Abstract

Metal oxide nanoparticles (MO-NPs) have unique structural characteristics, exceptionally high surface area, strong mechanical stability, catalytic activities, and are biocompatible. Consequently, MO-NPs have recently attracted considerable interest in the field of imaging-guided therapeutic and biosensing applications. This study aims to develop Quantitative Structure–Activity Relationships (QSAR) for the prediction of cell viability of MO-NPs. The QSAR model based on the so-called optimal descriptors which calculated with a simplified molecular input-line entry system (SMILES). The Monte Carlo technique applied to calculate correlation weights for SMILES fragments. Factually, the optimal descriptor for SMILES is the summation of the correlation weights. The model of cytotoxicity is one variable correlation between cytotoxicity and the above optimal descriptor. The Correlation Intensity Index (CII) is a possible criterion of the predictive potential of the model. Applying the CII as a component of the target function in the Monte Carlo optimization routine, employed by the CORAL program, that is designed to find a predictive relationship between the optimal descriptor and cytotoxicity of MO-NPs, improves the statistical quality of the model. The significance of different eclectic features, in terms of whether they increase/decrease cell viability, i.e. decrease or increase cytotoxicity, is also discussed. Numerical data on 83 experimental samples of MO-NPs activity under different conditions taken from the literature are applied for the “nano-QSAR” analysis.

摘要

金属氧化物纳米颗粒（MO-NPs）具有独特的结构特征，极高的表面积，强大的机械稳定性，催化活性，并且具有生物相容性。因此，MO-NP最近在成像指导的治疗和生物传感应用领域引起了相当大的兴趣。这项研究旨在开发定量结构-活性关系（QSAR），用于预测MO-NPs的细胞活力。QSAR模型基于所谓的最佳描述符，该描述符使用简化的分子输入线输入系统（SMILES）计算。蒙特卡洛技术用于计算SMILES片段的相关权重。实际上，SMILES的最佳描述符是相关权重的总和。细胞毒性模型是细胞毒性与上述最佳描述子之间的一种可变相关性。相关强度指数（CII）是模型预测潜力的可能标准。将CII作为CORAL程序采用的蒙特卡洛优化程序中目标函数的一部分，该程序旨在查找MO-NPs的最佳描述符与细胞毒性之间的预测关系，从而提高了模型的统计质量。还讨论了不同折衷特征在它们是否增加/减少细胞生存力（即减少或增加细胞毒性）方面的意义。取自文献的83种不同条件下MO-NPs活性的实验样品的数值数据用于“ nano-QSAR”分析。相关强度指数（CII）是模型预测潜力的可能标准。将CII作为CORAL程序采用的蒙特卡洛优化程序中目标函数的一部分，该程序旨在查找MO-NPs的最佳描述符与细胞毒性之间的预测关系，从而提高了模型的统计质量。还讨论了不同折衷特征在它们是否增加/减少细胞生存力（即减少或增加细胞毒性）方面的意义。取自文献的83种不同条件下MO-NPs活性的实验样品的数值数据用于“ nano-QSAR”分析。相关强度指数（CII）是模型预测潜力的可能标准。将CII作为CORAL程序采用的蒙特卡洛优化程序中目标函数的一部分，该程序旨在查找MO-NPs的最佳描述符与细胞毒性之间的预测关系，从而提高了模型的统计质量。还讨论了不同折衷特征在它们是否增加/减少细胞生存力（即减少或增加细胞毒性）方面的意义。取自文献的83种不同条件下MO-NPs活性的实验样品的数值数据用于“ nano-QSAR”分析。将CII作为CORAL程序采用的蒙特卡洛优化程序中目标函数的一部分，该程序旨在查找MO-NPs的最佳描述符与细胞毒性之间的预测关系，从而提高了模型的统计质量。还讨论了不同折衷特征在它们是否增加/减少细胞生存力（即减少或增加细胞毒性）方面的意义。取自文献的83种不同条件下MO-NPs活性的实验样品的数值数据用于“ nano-QSAR”分析。将CII作为CORAL程序采用的蒙特卡洛优化程序中目标函数的一部分，该程序旨在查找MO-NPs的最佳描述符与细胞毒性之间的预测关系，从而提高了模型的统计质量。还讨论了不同折衷特征在它们是否增加/减少细胞生存力（即减少或增加细胞毒性）方面的意义。取自文献的83种不同条件下MO-NPs活性的实验样品的数值数据用于“ nano-QSAR”分析。还讨论了不同折衷特征在它们是否增加/减少细胞生存力（即减少或增加细胞毒性）方面的意义。取自文献的83种不同条件下MO-NPs活性的实验样品的数值数据用于“ nano-QSAR”分析。还讨论了不同折衷特征在它们是否增加/减少细胞生存力（即减少或增加细胞毒性）方面的意义。取自文献的83种不同条件下MO-NPs活性的实验样品的数值数据用于“ nano-QSAR”分析。