文摘

包括异常细胞生长和传播的疾病通过周围组织损害身体的其他部位是癌症。乳腺癌是最常见的类型。影响乳腺癌的妇女通过荷尔蒙的变化或发生在DNA基因变化。乳腺癌是一种危及生命的疾病,有必要进一步研究齿轮在战斗最致命的疾病。在这项工作中,详细研究了发生,症状,其所涉及的药物治疗。为此,定量组织性能的关系(部分)分析了使用21药物用于治疗乳腺癌。药物在研究模拟中考虑使用他们的分子结构,分子图形和11个拓扑指数计算。这些药物的分子结构分析进行,基于分析和结论。

1。介绍

人体是由数以万亿计的细胞组成的。细胞分裂是一种自然现象在所有生物。如果细胞发生失控和扩散到周围的组织分工形成肿块,它导致癌症。癌症可以影响人体的任何部分。它是最威胁生命的疾病,尽管大量的研究正在发生治愈这种疾病。现在,病人的恢复率大大提高。癌症是因为荷尔蒙的变化或基因DNA的变化。

无论年龄、癌症发生在人类从婴儿到老年和更常见的成年人。如果一个额外的增长或肿块或肿瘤体内出现,有必要检查活检并确认诊断。肿瘤恶性或良性的。良性肿瘤是良性和不扩散到周围组织。然而,一些良性肿瘤可能危及生命,如果生长在大脑。

患癌症的风险等各种因素可能阻止保持健康的生活方式,避免食物导致癌症,和通过疫苗可以防止癌症的进一步发展。导致癌症的物质使用烟草,暴露于致癌物和烹饪,能经受考验血管有能力引起最致命疾病(1- - - - - -3]。

癌症发生在人类,不分性别。在常见,女性尤其是乳腺癌和宫颈癌的影响。据2020年的统计数据,230万年全球女性乳腺癌的影响其中685000失去了对抗最致命的疾病。通常开发牛奶导管和小叶的衬里,这些管道供应牛奶。有超过18类型的乳腺癌。乳腺癌的早期检测是通过乳房x光片。治疗包括临床试验、免疫治疗、激素治疗、靶向治疗、手术与化疗和放射治疗(4,5]。

乳腺癌的分类是基于影响预后评分系统。有几个因素在描述癌症的类型及其响应。组织病理学,年级,舞台,受体状态和DNA化验。组织病理学的确认和分析报告由病理学家,与品位是一种主要类别根据乳房的外观和证实导管和小叶的恶性细胞。这也包括了从0到4阶段。阶段0称为癌前阶段,阶段1 - 3指癌症在胸部或淋巴结,第四阶段叫做转移性癌症,因为它会蔓延整个乳房。

1.1。拓扑指数的意义和应用

一个数值描述符是一个数学工具与化合物的结构用来分析和研究一个分子的物理化学性质,从而避免过高和耗时的实验。它是一个实数,它存储/给了很多有价值的信息化合物。有不同类型的拓扑指数(TI)的mba等社区mba,基于距离和eigenvalue-based指数。使用属性和基于活动的模型与指数与生物活动和其他属性相应的化学结构(6,9- - - - - -17]。

制造任何药物,药剂师收集定量组织性能的分子结构确定的属性关系/定量结构活性关系定量构效关系)部分建模和拓扑指数(18]。获得的结果有助于了解新产品是否消耗品的生物。各种数值描述符应用于预测抗癌药物的性质,如抗癌药物之间的相互关系和烷烃的特点(3,19- - - - - -21]。

在设计任何新药,分子结构的属性是必需的。这些属性得到了利用分子结构模型和拓扑指数。为了帮助化学家,21日的详细研究药物和各种拓扑指数进行计算。

1.2。动机所使用的指标

有很多拓扑指数自1947年推出至今为止。在这项工作中,拓扑指数选择他们之间有高度的相关性和各种药物用于乳腺癌的治疗。拓扑指数的应用被认为是下面要讨论的。

第一次和第二次萨格勒布指数帮助确定总 - - - - - -电子能量的分子(22]。Randic引入了拓扑指数计算分支的碳原子的程度的饱和烃命名为Randic指数(23]。互惠Randic指数有助于研究化合物的化学和物理性质与烷烃(24]。谐波指数的另一种变体Randic指数首次引入Fajtlowicz [8]。研究了庚烷和辛烷的生成热使用ABC指数[7]。使用增强的生成热烷烃预计萨格勒布指数(25]。Furtula和古特曼26)提出了忘记了TI,用来测试各种属性的药物。赵et al。27)提出了党卫军指数和67烷烃异构体的理化性质研究。发现党卫军指数具有良好的相关性与五个属性,也就是说,沸点(BP),熔点(MP),摩尔折射率(先生),蒸发热(高压)和临界压力(CP)的摩尔折射率(MR)被发现在0.99的相关性最高。同时,党卫军指数四各种聚合物结构具有良好的相关性。这是观察到卟啉聚合物是完美的正相关系数(r= 1)。Sombor指数最近引入的古特曼(28),其化学适用性检查了Redzepovic [29日]。发现有一个合理的Sombor指数和熵之间的相关性。Sombor指数用于预测辛烷的熵。辛烷异构体的总表面积是预测使用逆和indeg指数(30.]。

在化学图论(CGT),药物的分子结构表示为原子分子图,代表一个顶点和债券连接两个原子表示优势。标准图形符号和术语,请参阅[31日- - - - - -34]。

定义1。古特曼et al。22]介绍了

定义2。埃斯特拉达等人在7]介绍了

定义3。Vukicevic et al。30.]介绍了

定义4。最近,赵et al。27)制定了党卫军指数定义为

定义5。最近,古特曼(28]Sombor指数被定义为制定

定义6。Furtula等人在25)提出了增强萨格勒布指数给出的

定义7。Randic [23]介绍了

定义8。互惠Randic指数(24由古特曼等人是由制定

定义9。谐波指数(8)是由

定义10。Furtula等人在26]介绍了

2。结果与讨论

在这个工作中,拓扑指数计算化学结构的药物用于治疗乳腺癌。部分分析指标考虑的研究讨论,并表明指数之间的相关系数和物理性质的药物是高度相关的。

药物被认为是在这个工作是alpelisib,阿扎胞苷、阿糖胞苷,正定霉素,地塞米松,多烯紫杉醇、阿霉素,glasdegib, gilteritinib, ivosidenib, midostaurin, olaparib,紫杉醇,palbociclib, pamidronic酸,强的松,ribociclib, tioguanine, toremifene tucatinib, venetoclax。这些药物的分子结构在图表示1。

分析包括计算等11个指标 , , , , , , , , , ,和 。这些指标是模仿使用6物理性质(沸点(BP)°C 760毫米汞柱,蒸发焓(EV)焦每摩尔,闪点(FP)°C,摩尔折射率(先生) ,LogP,摩尔体积(MV) )21抗癌药物用于治疗乳腺癌的alpelisib venetoclax。指数的计算值是研究和实验室实验的实用价值21药物提出了表1和2,分别。

表3- - - - - -13显示数量的统计参数如药物,常数,回归系数、相关系数、费雪的统计,用巨大的价值和标准错误N,一个,b,r,F, ,和SE分别考虑TI和物理性质。每个表的价值小于或等于0.001 ,表示结果的重要性。

物理化学性质的相关系数与TI是描绘在图2。

定理1。考虑一个分子图阿霉素;然后, , , , , , , , ,和 。

证明。从图3,很明显,有39个顶点和8个不同类型的边数到43。他们是如下。 这样 考虑边的数量和它们各自的类型定义的指数从方程(1)- (11),得到了以下结果。
同样,指数计算的其他药物被认为是研究。获得的结果中描述表1。
从表1,注意到获得值正态分布基于描述性统计分析,和峰度值位于两者之间1.96。正常也与Shapiro-Wilk测试检查 ,这样的意义价值大于0.05。因此,我们得出的值是正态分布的。因此,合适的回归分析方法分析数据。

3所示。回归模型

给出了线性回归模型 在哪里P,一个,b、钛物理性质的药物,常数,回归系数和拓扑指数。

使用方程(14),线性模型的各自的拓扑指数被认为是研究获得如下。(我)第一个萨格勒布指数 : (2)第二个萨格勒布指数 : (3)Randic指数 : (IV)互惠Randic指数 : (V)谐波指数 : (VI)原子键连接性指数 : (七)增强萨格勒布指数 : (八)被遗忘的指数 : (第九)党卫军指数 : (X)忧郁指数 : (十一)逆indeg指数 :

4所示。结论

在目前的工作,药物用于治疗乳腺癌的各种数值描述符计算进行了研究。开发任何新药物,要求其结构的属性,这些属性可以从部分获得使用TI的造型。这项工作的目的是获取数据的拓扑结构使用拓扑指数较低成本和更少的时间。拓扑指数之间的相关系数对六个药物的理化性质表表示14。通过检查,发现相关性最高,所以(G) 。同时,最高和F (G)有关联吗 ,和有良好的相关性与 ,而与有高度的相关性 , 与有 ,和与有 。结果具有良好的物理性质和各自的拓扑指数之间的相关系数。从研究中很明显应该有良好的相关性研究中考虑到所有的拓扑指数。观察到,相关系数大于0.7,除了一个值(0.656)指数,和在所有模型的价值小于或等于0.001 ,表示结果的重要性。

4.1。研究的意义

分子实体达成目标的能力意味着生物活性测定的力量或实体所需的浓度产生影响。理化性质包括溶解度、氢键、电离,isosterism等。分子结构分析在这项工作进行协助读者了解药物的特性要求包括治疗或包含在新药的发现这种化合物。

化学家和药剂师的工作提供正确的方向开发新药所需的治疗不同的疾病。物理化学性质的预期是广泛使用“透明国际”的完成。指数被用于预测研究对模型开发土壤吸收、沸点、黏度、密度的有机溶剂,色谱保留的数据。

生物研究执行使用TI的帮助提供良好的预测。一些例子是酶抑制、致癌性和致幻的活动。生物包括预测研究相关的环境污染和毒性。

TI的这里获得可能被视为参考在创作新化合物进行进一步的研究。它是观察药物的物理化学性质的研究显示高正相关,表明这些组件或药物可能用于发现新型药物的各种疾病。

分析化合物的化学信息获得的最优程序和实验中,使用的是化学学科被称为化学计量学。本规程使用统计方法来获得最大的化合物的化学信息。

4.2。未来的范围

类似的研究可能为不同的化合物用于进一步研究化学家。同时,各种COVID-19药物用于治疗也可以考虑类似的研究有助于研究人员。

数据可用性

使用的数据来支持本研究的结果包括在本文中。

的利益冲突

作者宣称没有利益冲突。

作者的贡献

哈默博士Shanmukha负责概念化,方法,文章写作,正式的分析,资源、数据管理和调查。a . Usha博士是负责审查的手稿和概念化,并建议修正的手稿。B.M. Praveen博士负责审查的手稿,监督和验证,并建议修正的手稿。博士Abalo Douhadji负责正式分析,资源和软件。