รายงานวิจัยฉบับสมบูรณ์โครงการการพัฒนาแบบจำลอง QSPR ของการซึมผ่านผิวหนังของระบบนำส่งยาทางผิวหนังโดยการใช้วิธีจินิติกอัลกอริทึมร่วมกับวิธีวิเคราะห์ตัวแปรหลายตัวเชิงพหุแบบเชิงส่วนและวิธีเครือข่ายประสาทเทียม
Issued Date
2549
Resource Type
Language
tha
File Type
application/pdf
No. of Pages/File Size
963556 bytes
Call No.
วิจัย QV785 ส759ร 2549 [LIPY]
Rights
มหาวิทยาลัยมหิดล
Rights Holder(s)
สำนักงานคณะกรรมการการอุดมศึกษา
สำนักงานกองทุนสนับสนุนการวิจัย
สำนักงานกองทุนสนับสนุนการวิจัย
Physical Location
Faculty of Pharmacy Library
Suggested Citation
สุชาดา พิริยะประสาธน์ (วรรณชนะ), สาธิต พุทธิพิพัฒน์จร (2549). รายงานวิจัยฉบับสมบูรณ์โครงการการพัฒนาแบบจำลอง QSPR ของการซึมผ่านผิวหนังของระบบนำส่งยาทางผิวหนังโดยการใช้วิธีจินิติกอัลกอริทึมร่วมกับวิธีวิเคราะห์ตัวแปรหลายตัวเชิงพหุแบบเชิงส่วนและวิธีเครือข่ายประสาทเทียม. สืบค้นจาก: https://repository.li.mahidol.ac.th/handle/20.500.14594/61258
Title
รายงานวิจัยฉบับสมบูรณ์โครงการการพัฒนาแบบจำลอง QSPR ของการซึมผ่านผิวหนังของระบบนำส่งยาทางผิวหนังโดยการใช้วิธีจินิติกอัลกอริทึมร่วมกับวิธีวิเคราะห์ตัวแปรหลายตัวเชิงพหุแบบเชิงส่วนและวิธีเครือข่ายประสาทเทียม
Alternative Title(s)
Development of quantitative structure/property relationship model of skin permeation of transdermal drug delivery using genetic algorithm combined partial least squares and artificial neural network methods
Abstract
การพัฒนาแบบจำลอง Quantitative structure/property relationship (QSPR) ของการซึมผ่านตัวแทนผิวหนังชนิดต่าง ๆ ของยาชนิดทำโดยเก็บข้อมูลการซึมผ่านผิวหนังมนุษย์ ผิวหนังหนู และคราบงูของยาจำนวน 14 ตัว จากการทบทวนวรรณกรรม คำนวณ topological descriptors ของยาแต่ละตัวจากสูตรโครงสร้างสองมิติโดยใช้ Molconn-Z software ได้ connectivity, shape และ atom-type E-state indices รวม 220 ตัว genetic algorithm (GA) ถูกนำมาใช้ในการคัดเลือก molecular discriptor ที่สำคัญของแต่ละกลุ่ม เพื่อนำไปใช้ในการสร้างแบบจำลอง QSPR และใช้ feed-forward back-propagation artificial neural networks (ANN) ในการหาความสัมพันธ์ระหว่าง molecular descriptor และการซึมผ่านผิวหนังของยา พบว่าสามารถใช้ ANN ในการสร้างแบบจำลองการซึมผ่านผิวหนังของคน หนู และคราบงูได้ดี โดยกลุ่ม molecular descriptor จากชุดข้อมูลการซึมผ่านผิวหนังหนูที่เลือกโดย GA สามารถนำมาใช้ในการทำนายการซึมผ่านผิวหนังของหนูและมนุษย์ได้ ในขณะที่กลุ่ม molecular descriptor จากชุดข้อมูลการซึมผ่านผิวหนังมนุษย์สามารถนำมาใช้ในการทำนายการซึมผ่านผิวหนังของหนู มนุษย์ และคราบงูได้ โดยมีค่า predictive root mean square errors (RMSE) อยู่ในช่วง 0.111-0.782 เมื่อทำการประเมินความสามารถการทำนายของแบบจำลอง ANN โดยใช้วิธี Leave-one-out cross validation นอกจากนี้เมื่อนำข้อมูลที่ไม่ได้ใช้ในการสร้างแบบจำลองจำนวน 3 ข้อมูลมาทำการทดสอบแบบจำลอง ANN ที่สร้างขึ้นพบว่าค่าที่ได้จากการทดลองและค่าที่ได้จากการทำนายไปในทิศทางเดียวกัน นี่แสดงให้เห็นว่าแบบจำลองที่สร้างขึ้นโดยใช้ Molconn-Z descriptors เป็น molecular descriptors สามารถใช้ทำนายการซึมผ่านผิวหนังของสารต่าง ๆ ได้ อย่างไรก็ตามกลุ่ม molecular descriptor จากชุดข้อมูลการซึมผ่านคราบงูไม่สามารถนำมาใช้ในการทำนายการซึมผ่านผิวหนังของหนูและมนุษย์ได้ ทั้งนี้อาจเนื่องมาจากความแตกต่างทางสายพันธุ์ นอกจากนี้พบว่าแบบจำลอง ANN ที่พัฒนาขึ้นสามารถนำไปทำนายค่าการซึมผ่านผิวหนังของระบบนำส่งยาทางผิวหนังของยา methimazole ได้
This study was carried out to develop a quantitative structure property relationship (QSPR) model on permeation of various skin models. Human, rat and shed snake skin permeations of 14 structurally diverse drugs was collected from literature. The topological descriptors were automatically calculated by Molconn-Z software for each compound on the basis of their structures. A total of 220 connectivity, shape and atom-type E-state indices were calculated from the 2D-geometry. Genetic algorithm (GA) was used for selection of significant descriptors of each group and feed-forward back-propagation artificial neural networks (ANN) were used for QSPR modeling. It was found that ANN could be used for human, rat and shed snake skin permeation modeling. Molecular descriptor group obtained from rat skin permeation data using GA could be able to predict the permeation across rat and human skin while those obtained from human skin permeation data could be able to pedict the permeation across all skin types. Leave-one-out” cross-validation revealed that the root mean square (RMS) errors were in the range of 0.111-0.782. The predictive ability of these models was validated by a set of 3 compounds that were not included in the training set. The predicted and experimental inhibitory activities were well correlated. The proposed model, where Molconn-Z descriptors were used as molecular descriptors, was able to predict the skin permeability of unknown compounds. However, molecular descriptor group obtained from shed snake skin permeation data could not be able to predict the permeation. This might be due to the species efference. Moreover, the ANN model could predict the skin permeation of the developed methimazole transdermal delivery with a reasonable degree of accuracy.
This study was carried out to develop a quantitative structure property relationship (QSPR) model on permeation of various skin models. Human, rat and shed snake skin permeations of 14 structurally diverse drugs was collected from literature. The topological descriptors were automatically calculated by Molconn-Z software for each compound on the basis of their structures. A total of 220 connectivity, shape and atom-type E-state indices were calculated from the 2D-geometry. Genetic algorithm (GA) was used for selection of significant descriptors of each group and feed-forward back-propagation artificial neural networks (ANN) were used for QSPR modeling. It was found that ANN could be used for human, rat and shed snake skin permeation modeling. Molecular descriptor group obtained from rat skin permeation data using GA could be able to predict the permeation across rat and human skin while those obtained from human skin permeation data could be able to pedict the permeation across all skin types. Leave-one-out” cross-validation revealed that the root mean square (RMS) errors were in the range of 0.111-0.782. The predictive ability of these models was validated by a set of 3 compounds that were not included in the training set. The predicted and experimental inhibitory activities were well correlated. The proposed model, where Molconn-Z descriptors were used as molecular descriptors, was able to predict the skin permeability of unknown compounds. However, molecular descriptor group obtained from shed snake skin permeation data could not be able to predict the permeation. This might be due to the species efference. Moreover, the ANN model could predict the skin permeation of the developed methimazole transdermal delivery with a reasonable degree of accuracy.
Description
59 แผ่น
