Хемоінформатика як ефективний інструмент прогнозування і конструювання нових речовин з комплексом необхідних властивостей (стенограма доповіді на засіданні Президії НАН України 21 вересня 2022 р.)

Доповідь присвячено результатам фундаментальних та прикладних наукових досліджень у галузі хемоінформатики, проведених у Фізико-хімічному інституті ім. О.В. Богатського НАН України і пов’язаних з аналізом зв’язків «структура — властивості» хімічних речовин з метою цілеспрямованого створення нових с...

Full description

Saved in:

Bibliographic Details
Date:	2022
Main Author:	Кузьмін, В.Є.
Format:	Article
Language:	Ukrainian
Published:	Видавничий дім "Академперіодика" НАН України 2022
Series:	Вісник НАН України
Subjects:	З кафедри Президії НАН України
Online Access:	http://dspace.nbuv.gov.ua/handle/123456789/187850
Tags:	Add Tag No Tags, Be the first to tag this record!
Journal Title:	Digital Library of Periodicals of National Academy of Sciences of Ukraine
Cite this:	Хемоінформатика як ефективний інструмент прогнозування і конструювання нових речовин з комплексом необхідних властивостей (стенограма доповіді на засіданні Президії НАН України 21 вересня 2022 р.) / В.Є. Кузьмін // Вісник Національної академії наук України. — 2022. — № 11. — С. 39-45. — Бібліогр.: 8 назв. — укр.

Institution

Digital Library of Periodicals of National Academy of Sciences of Ukraine

id	irk-123456789-187850
record_format	dspace
spelling	irk-123456789-1878502023-01-30T01:26:15Z Хемоінформатика як ефективний інструмент прогнозування і конструювання нових речовин з комплексом необхідних властивостей (стенограма доповіді на засіданні Президії НАН України 21 вересня 2022 р.) Кузьмін, В.Є. З кафедри Президії НАН України Доповідь присвячено результатам фундаментальних та прикладних наукових досліджень у галузі хемоінформатики, проведених у Фізико-хімічному інституті ім. О.В. Богатського НАН України і пов’язаних з аналізом зв’язків «структура — властивості» хімічних речовин з метою цілеспрямованого створення нових сполук і матеріалів з комплексом заданих властивостей. The report is devoted to the results of fundamental and applied scientific research in the field of chemoinformatics conducted at the O.V. Bogatsky Physico-Chemical Institute of the NAS of Ukraine and related to the analysis of structureproperty relationships in chemical substances for the purposeful design of new compounds and materials with a set of prescribed properties. 2022 Article Хемоінформатика як ефективний інструмент прогнозування і конструювання нових речовин з комплексом необхідних властивостей (стенограма доповіді на засіданні Президії НАН України 21 вересня 2022 р.) / В.Є. Кузьмін // Вісник Національної академії наук України. — 2022. — № 11. — С. 39-45. — Бібліогр.: 8 назв. — укр. 0372-6436 DOI: doi.org/10.15407/visn2022.11.039 http://dspace.nbuv.gov.ua/handle/123456789/187850 uk Вісник НАН України Видавничий дім "Академперіодика" НАН України
institution	Digital Library of Periodicals of National Academy of Sciences of Ukraine
collection	DSpace DC
language	Ukrainian
topic	З кафедри Президії НАН України З кафедри Президії НАН України
spellingShingle	З кафедри Президії НАН України З кафедри Президії НАН України Кузьмін, В.Є. Хемоінформатика як ефективний інструмент прогнозування і конструювання нових речовин з комплексом необхідних властивостей (стенограма доповіді на засіданні Президії НАН України 21 вересня 2022 р.) Вісник НАН України
description	Доповідь присвячено результатам фундаментальних та прикладних наукових досліджень у галузі хемоінформатики, проведених у Фізико-хімічному інституті ім. О.В. Богатського НАН України і пов’язаних з аналізом зв’язків «структура — властивості» хімічних речовин з метою цілеспрямованого створення нових сполук і матеріалів з комплексом заданих властивостей.
format	Article
author	Кузьмін, В.Є.
author_facet	Кузьмін, В.Є.
author_sort	Кузьмін, В.Є.
title	Хемоінформатика як ефективний інструмент прогнозування і конструювання нових речовин з комплексом необхідних властивостей (стенограма доповіді на засіданні Президії НАН України 21 вересня 2022 р.)
title_short	Хемоінформатика як ефективний інструмент прогнозування і конструювання нових речовин з комплексом необхідних властивостей (стенограма доповіді на засіданні Президії НАН України 21 вересня 2022 р.)
title_full	Хемоінформатика як ефективний інструмент прогнозування і конструювання нових речовин з комплексом необхідних властивостей (стенограма доповіді на засіданні Президії НАН України 21 вересня 2022 р.)
title_fullStr	Хемоінформатика як ефективний інструмент прогнозування і конструювання нових речовин з комплексом необхідних властивостей (стенограма доповіді на засіданні Президії НАН України 21 вересня 2022 р.)
title_full_unstemmed	Хемоінформатика як ефективний інструмент прогнозування і конструювання нових речовин з комплексом необхідних властивостей (стенограма доповіді на засіданні Президії НАН України 21 вересня 2022 р.)
title_sort	хемоінформатика як ефективний інструмент прогнозування і конструювання нових речовин з комплексом необхідних властивостей (стенограма доповіді на засіданні президії нан україни 21 вересня 2022 р.)
publisher	Видавничий дім "Академперіодика" НАН України
publishDate	2022
topic_facet	З кафедри Президії НАН України
url	http://dspace.nbuv.gov.ua/handle/123456789/187850
citation_txt	Хемоінформатика як ефективний інструмент прогнозування і конструювання нових речовин з комплексом необхідних властивостей (стенограма доповіді на засіданні Президії НАН України 21 вересня 2022 р.) / В.Є. Кузьмін // Вісник Національної академії наук України. — 2022. — № 11. — С. 39-45. — Бібліогр.: 8 назв. — укр.
series	Вісник НАН України
work_keys_str_mv	AT kuzʹmínvê hemoínformatikaâkefektivnijínstrumentprognozuvannâíkonstruûvannânovihrečovinzkompleksomneobhídnihvlastivostejstenogramadopovídínazasídanníprezidíínanukraíni21veresnâ2022r
first_indexed	2025-07-16T09:35:49Z
last_indexed	2025-07-16T09:35:49Z
_version_	1837795692081315840
fulltext	ISSN 1027-3239. Вісн. НАН України, 2022, № 11 39 ХЕМОІНФОРМАТИКА ЯК ЕФЕКТИВНИЙ ІНСТРУМЕНТ ПРОГНОЗУВАННЯ І КОНСТРУЮВАННЯ НОВИХ РЕЧОВИН З КОМПЛЕКСОМ НЕОБХІДНИХ ВЛАСТИВОСТЕЙ Стенограма доповіді на засіданні Президії НАН України 21 вересня 2022 року Доповідь присвячено результатам фундаментальних та прикладних на- укових досліджень у галузі хемоінформатики, проведених у Фізико-хіміч- ному інституті ім. О.В. Богатського НАН України і пов’язаних з аналізом зв’язків «структура — властивості» хімічних речовин з метою цілеспря- мованого створення нових сполук і матеріалів з комплексом заданих влас- тивостей. Вельмишановний Анатолію Глібовичу! Шановні члени Президії! Пропоную до вашої уваги результати досліджень у галузі хемо- інформатики, отримані останніми роками у Фізико-хімічному інституті ім. О.В. Богатського НАН України. Приблизно 40 років тому виникла нова наукова дисциплі- на — хемоінформатика, в якій методами комп’ютерних техно- логій та інформатики вирішують найрізноманітніші хімічні проблеми. Ключові з них — це, зокрема, прогнозування влас- тивостей сполук та конструювання нових речовин — потенцій- них реагентів, каталізаторів, лікарських засобів, нових матеріа- лів тощо, з комплексом необхідних властивостей. Предметом хемоінформатики є побудова баз даних хімічних сполук та реакцій, прогнозування фізичних, хімічних та біоло- гічних властивостей сполук і матеріалів, пошук нових лікар- ських препаратів, аналіз спектральної інформації, передбачен- ня перебігу хімічних реакцій, планування органічного синтезу, розроблення підходів до зберігання, вилучення та оброблення хімічної інформації. Інакше кажучи, хемоінформатика шукає КУЗЬМІН Віктор Євгенович — член-кореспондент НАН України, директор Фізико- хімічного інституту ім. О.В. Богатського НАН України doi: https://doi.org/10.15407/visn2022.11.039 40 ISSN 1027-3239. Visn. Nac. Acad. Nauk Ukr. 2022. (11) З КАФЕДРИ ПРЕЗИДІЇ НАН УКРАЇНИ відповіді на такі фундаментальні запитання: яка хімічна сполука має цільову властивість? як синтезувати цільову хімічну сполуку? яку хімічну сполуку буде отримано в результаті реакції? Один із напрямів хемоінформатики по в’я- заний з прогнозуванням властивостей речовин на основі аналізу зв’язку «структура — влас- тивості». Це побудова так званих моделей QSAR/QSPR (quantitative structure activity/ property relationship): QSAR — якщо йдеть- ся про біологічну активність, а QSPR — для будь-якої властивості. Спочатку QSAR був результатом спроби виразити відносну вели- чину біологічної властивості в термінах набо- ру фізичних параметрів, що характеризують гідрофобні, електронні та стеричні параметри молекул. Сьогодні під QSAR/QSPR фактично мається на увазі інтелектуальний аналіз (data mining) відомої експериментальної інформації щодо структури та властивостей конкретних сполук. За результатами цього аналізу мето- дами машинного навчання будують певні за- кономірності, виражені у вигляді різних мате- матичних співвідношень, точніше — в термінах дескрипторів хімічної структури. Якщо говорити більш конкретно, то про- цес QSAR/QSPR-моделювання передбачає, що для побудови моделі необхідно мати набір сполук відомої структури з відомою цільовою властивістю. Це так звана навчальна вибірка. Для всіх цих сполук розраховують структурні параметри, або дескриптори. Наприклад, таки- ми параметрами можуть бути кількість певних фрагментів, молекулярний об’єм, дипольний момент тощо. Далі отриманий набір чисел, що характеризує структуру, зіставляють з відомим набором чисел, що характеризує властивість, і виводять відповідний математичний вираз, який відображає зв’язок між ними. Для побудови таких співвідношень вико- ристовують різні методи машинного навчання, зокрема множинний регресійний аналіз, ней- ронні мережі, методи опорних векторів та ін. Для оцінки якості побудованої моделі за- стосовують так звану тестову вибірку, тобто набір сполук з відомими цільовими властивос- тями, але які не були задіяні в побудові QSAR- моделі. Якщо побудована модель достатньо адекватно прогнозує відповідну властивість сполук з тестової вибірки, її можна викорис- товувати для прогнозування цієї властивості інших сполук, які входять до так званої облас- ті застосування моделі (applicability domain). Якість моделі оцінюють за певним набором статистичних показників, зокрема за коефіці- єнтами детермінації, які в разі ідеальної моделі наближаються до одиниці. Рис. 1. Симплексне пред- ставлення молекулярної структури (SiRMS) Поляризовність n — кількість атомів ISSN 1027-3239. Вісн. НАН України, 2022, № 11 41 З КАФЕДРИ ПРЕЗИДІЇ НАН УКРАЇНИ Слід зазначити, що в Україні перші роботи з використання математичних підходів для дослідження зв’язку «структура — біологічна активність» було започатковано ще у 70-х ро- ках минулого століття з ініціативи та за безпо- середньої участі мого вчителя, видатного хімі- ка-органіка академіка Олексія Всеволодовича Богатського (1929—1983). І сьогодні у Фізико- хімічному інституті, названому його ім’ям, ми продовжуємо розвивати цей перспективний напрям, застосовуючи нові сучасні підходи. Один з основних наукових напрямів Інституту сформульовано як «цілеспрямований пошук і молекулярний дизайн нових речовин та мате- ріалів з комплексом необхідних властивостей, який ґрунтується на структурно-функціональ- ному аналізі сполук, що враховує їх топологію, геометрію і розподіл властивостей атомів у мо- лекулі». Основні завдання наших досліджень: • створення методології розроблення адек- ватних моделей «структура — властивості» (QSAR/QSPR), що мають прогнозувальний характер; • побудова та експлуатація QSAR/QSPR- моделей для віртуального скринінгу органіч- них сполук щодо різних видів їх біологічної активності, термодинамічних характеристик, оптичних властивостей тощо; • виявлення закономірностей впливу струк- тури різних органічних сполук на їхні власти- вості, структурна, фізико-хімічна та стерео- хімічна інтерпретація QSAR/QSPR-моделей для подальшого молекулярного дизайну нових перспективних сполук; • моделювання сумішей органічних сполук та прогноз їхніх властивостей; • моделювання різноманітних неорганічних речовин, наночастинок і молекулярних асоціа- тів та прогноз їхніх властивостей; • створення комп’ютерних експертних сис- тем для фахівців різних галузей науки — спо- живачів моделей QSAR/QSPR. Далі я наведу кілька конкретних прикладів наших розробок у цій галузі. Головною методологічною розробкою в до- слідженні зв’язку «структура — властивості» є симплексне представлення молекулярної структури [1]. Це різновид так званих фраг- ментних дескрипторів, коли молекулу роз- глядають як систему фрагментів, переважно 4-атомних, — так званих симплексів. Важли- вою особливістю цього підходу є аналіз не лише зв’язаних фрагментів, а й незв’язаних, а голо- вне — симплекси можна охарактеризувати як стандартно, тобто атомами, які до них входять, так і фізико-хімічним описом (атомні заряди, вандерваальсовий об’єм, ліпофільність, поля- ризовність, донори/акцептори Н-зв’язку), а також описом різних полів, джерелом яких є вершини (атоми) симплексів (рис. 1). Симп- лексне представлення молекулярної структу- ри забезпечує універсальність, різноманіття та гнучкість опису хімічних сполук різних ти- пів; створює зрозумілі й добре інтерпретовані QSAR-моделі, які дозволяють легко здійсню- вати молекулярний дизайн речовин з потріб- ним рівнем активності. Симплексний підхід не має обмежень, властивих QSAR-підходам, які засновані на порівняльному аналізі моле- кулярних полів і які можна використовувати тільки для структурно однорідного набору мо- лекул, тобто для кожної молекули розгляда- ють лише один випадковий конформер. На рис. 2 наведено результати порівняльно- го аналізу різних QSAR-підходів, який було проведено на вибірці інгібіторів ангіотензин- перетворювального ензиму. Можна бачити, Рис. 2. Порівняльний аналіз різних QSAR-підходів, зокрема симплексних SiRM S(2D) i SiRM S(3D) 42 ISSN 1027-3239. Visn. Nac. Acad. Nauk Ukr. 2022. (11) З КАФЕДРИ ПРЕЗИДІЇ НАН УКРАЇНИ що всі зазначені підходи з точки зору апрокси- мації навчальної вибірки приблизно однакові, але прогнозувальна здатність помітно вища у симплексного підходу. Завдяки симплексному підходу для кож- ної досліджуваної молекули можна виділити фрагменти, які або сприяють, або перешко- джають прояву активності, або є відносно ін- диферентними. Аналізуючи в такий спосіб усю вибірку сполук, що досліджуються, мож- на виділити фрагменти, які стало впливають на активність — як позитивно, так і негативно (рис. 3). Ця інформація є корисною для моле- кулярного дизайну нових більш активних мо- лекул. Додатково аналізуючи симплекси молекул навчальної вибірки, можна оцінити відносний вплив різних фізико-хімічних чинників, що визначають певну властивість (рис. 4). Один із прикладів наших QSAR/QSPR- досліджень, проведених спільно з американ- ськими колегами, пов’язаний з вирішенням до- сить нестандартного завдання — прогнозуван- ня водної розчинності органічних сполук за різних температур. Причому йдеться не лише про оцінку розчинності речовин у воді, а й про обов’язковий аналіз впливу на неї температу- ри. З використанням бази даних, яка містить різноманітні відомості про органічні сполуки, було побудовано нетрадиційну високоякісну «двошарову» систему QSPR-моделей, за до- помогою якої можна досить легко оцінити для кожної конкретної сполуки показники розчин- ності у воді за певної температури [2]. Інтер- претація цієї моделі показала, що наявність у молекулах органічних сполук груп, які потен- ційно можуть утворювати водневий зв’язок, сприяє розчинності, що й слід було очікувати. З іншого боку, QSPR-дослідження водної розчинності деяких гетариламонієвих солей гексафторкремнієвої кислоти виявили неспо- діваний ефект — групи, що є донорами вод- невого зв’язку, не сприяють, а навпаки, пере- шкоджають розчинності. Ми показали, що причиною такого незвичайного явища є вод- неві зв’язки груп OH-, COOH-, NH-, NH2- ор- ганічної частини солі з атомами фтору аніона (SiF6)–, які зміцнюють зв’язок між катіоном і аніоном і, відповідно, перешкоджають дисоці- ації солі та її розчинності у воді [3]. Інший наш спільний проєкт з колегами зі Страсбурзького університету був присвяче- ний віртуальному скринінгу сконструйованих RGD-пептидоміметиків — ефективних анти- Рис. 3. Внески різних фрагментів у величину антигер- петичної активності, % Рис. 4. Систематизація фізико-хімічних факторів, що визначають антигерпетичну активність: 1 — електро- статичні; 2 — гідрофобні; 3 — Н-зв’язок; 4 — дисперсій- ні; 5 — інші; 6 — індивідуальні особливості атомів ISSN 1027-3239. Вісн. НАН України, 2022, № 11 43 З КАФЕДРИ ПРЕЗИДІЇ НАН УКРАЇНИ агрегаційних засобів. Ми «просіяли» понад 20 тис. сполук (з урахуванням стереоізомерів) через систему моделей, що містить фармако- форні моделі, QSAR-моделі та молекулярний докінг. Потім ми теоретично оцінили відібрані сполуки-кандидати з точки зору їх можливої токсичності, певних фармакокінетичних ха- рактеристик, розчинності у воді, синтетичної доступності. Відібрані з них 4 перспективні сполуки було синтезовано та протестовано експериментально. Результати цих досліджень довели їх високу ефективність [4]. Зрештою сполуку, яка виявилася найперспективнішою для створення ефективних антиагрегаційних засобів, було відправлено для проведення до- даткових біологічних досліджень. Разом з американськими дослідниками ми проводили оцінку екологічної небезпеки різ- них високоенергетичних нітроароматичних сполук військового призначення. Результа- том цієї роботи стало створення адекватних QSAR-моделей для визначення різних видів їх токсичності, розчинності у воді, ліпофіль- ності та біодоступності. У комплексі всі ці характеристики визначають екологічну небез- пеку цих сполук. Зважаючи на актуальність оборонної тематики, ми плануємо розробити комп’ютерну експертну систему для прогно- зування (позаекспериментального скринінгу) високоенергетичних сполук військового при- значення (зокрема, вибухівки) щодо їх шкід- ливого впливу на навколишнє середовище та організм людини і тварин [5]. Інша робота, яка добре продемонструвала можливості нашого підходу щодо прогнозу- вання властивостей сумішей речовин, стосува- лася оцінки кривих рівноваги «рідина — пара» для сумішей різних розчинників [6]. Це дослі- дження ми проводили разом з французькими колегами. Виявилося, що наші моделі точно прогнозують наявність азеотропів та їхній склад. Загалом збіг отриманих нами результа- тів розрахунку з експериментальними даними можна вважати задовільним, хоча ми вже має- мо ідеї, як поліпшити модель. Проблема QSPR-моделювання неорганіч- них сполук полягає в тому, що поняття «струк- турна формула» для багатьох з них є умовним, а отже, найпопулярніші 2D-моделі для орга- нічних сполук у цих випадках малопридатні. Тому ми запропонували 1D-підхід, у якому неорганічну сполуку представляють у вигляді брутто-формули. Далі аналізують різні комбі- нації (двійки, трійки, четвірки і т.д.) елементів, що входять до досліджуваних сполук. Кіль- кість таких конкретних комбінацій та фунда- ментальні властивості відповідних елементів періодичної системи становлять основу для розрахунку нових 1D-дескрипторів. Показа- но, що такої інформації в QSPR-моделях ціл- ком достатньо для прогнозування температур плавлення та показників заломлення різно- манітних неорганічних сполук (оксидів, гало- генідів, халькогенідів, карбонатів, сульфатів тощо). Середня відносна помилка прогнозу в обох випадках становить 10 % [7]. Особливості моделювання наночастинок потребують урахування не лише структу- ри молекул, що їх утворюють, а й характе- ристик самих наночастинок. У проведеному нами дослідженні було використано систему 1D-дескрипторів для опису неорганічних ре- човин, а для характеристики безпосередньо наночастинок — запозичений у фізиків метод «рідкої краплі» (з огляду на розмір наночас- тинки оцінюють її об’єм, площу поверхні, від- носну кількість молекул в об’ємі та на поверхні та ін.). Ефективність запропонованого підходу було продемонстровано на прикладі дослі- дження цитотоксичності (на клітинах E. coli і HaCaT) нанорозмірних оксидів металів [8]. Отримані QSAR-моделі цілком адекватні і ма- ють достатню прогнозувальну здатність. Пока- зано, що зазначена активність на 60 % визнача- ється природою оксиду і на 40 % — розмірними характеристиками наночастинки. Крім того, завдяки результатам фундамен- тальних досліджень було отримано низку при- кладних розробок. Створено 12 комп’ютерних експертних систем для прогнозування різно- манітних властивостей органічних сполук та їхніх сумішей, зокрема різних видів токсич- ності й біодоступності, водної розчинності, лі- пофільності, деяких термодинамічних власти- 44 ISSN 1027-3239. Visn. Nac. Acad. Nauk Ukr. 2022. (11) З КАФЕДРИ ПРЕЗИДІЇ НАН УКРАЇНИ востей (теплоти утворення та згоряння) тощо. Зазначу, що експертна система — це програма для комп’ютера, яка оперує знаннями в пев- ній предметній галузі з метою вироблення ре- комендацій або вирішення певної проблеми. Наші системи мають дружній інтерфейс, що спрощує їх використання фахівцями різних га- лузей науки — споживачами моделей QSAR/ QSPR. Комплекс комп’ютерних програм HIT QSAR, в якому реалізовано наш підхід до аналізу зв’язку «структура — властивості», та деякі експертні системи захищено свідоцтвами на авторське право України. Насамкінець хотів би презентувати новий інноваційний анальгетичний засіб «Пропокса- зепам», який гальмує гострий і, що дуже важ- ливо, хронічний біль та має полімодальний ме- ханізм дії. Зараз триває друга стадія клінічних випробувань цього препарату, спонсором яких є ТДВ «Інтерхім». У процесі його розроблення нам вдалося спрогнозувати деякі властивості діючої речовини цього препарату, зокрема лі- пофільність та водну розчинність. У попере- дніх дослідженнях було показано, що цей пре- парат не має мутагенної дії, є біодоступним і може проникати з крові в мозок. Дослідницький колектив хемоінформатиків Фізико-хімічного інституту ім. О.В. Богат- ського НАН України має високий міжнарод- ний авторитет, а географія співпраці та коо- перації охоплює провідні наукові центри 14 країн світу. Отже, хемоінформатика — це прорив у май- бутнє — від емпіричної хімії до передбачальної. Сьогодні успіх у створенні нової корисної ре- човини, зокрема ліків, багато в чому залежить від взаєморозуміння та взаємодії принаймні трьох груп фахівців — хіміків-синтетиків, хе- моінформатиків та біологів, фармакологів. Дякую за увагу! За матеріалами засідання підготувала О.О. Мележик REFERENCES 1. Kuz’min V., Artemenko A., Ognichenko L., Hromov A., Kosinskaya A., Stelmakh S., Sessions Z., Muratov E. Simplex representation of molecular structure as universal QSAR/QSPR tool. Structural Chemistry. 2021. 32: 1365—1392. https://doi.org/10.1007/s11224-021-01793-z 2. Klimenko K., Kuz’min V., Ognichenko L., Gorb L., Shukla M., Vinas N., Perkins E., Polishchuk P., Artemenko A., Leszczynski J. Novel Enhanced Applications of QSPR Models: Temperature Dependence of Aqueous Solubility. J. Comput. Chemistry. 2016. 37: 2045—2051. https://doi.org/10.1002/jcc.24424 3. Gelmboldt V., Ognichenko L., Shyshkin I., Kuz’min V. QSPR models for water solubility of ammonium hexafluoro- silicates: analysis of the effects of hydrogen bonds. Structural Chemistry. 2021. 32: 309—319. https://doi.org/10.1007/ s11224-020-01652-3 4. Polishchuk P.G., Samoylenko G.V., Khristova T.M., Krysko O.L., Kabanova T.A., Kabanov V.M., Kornylov A.Yu., Klimchuk O., Langer T., Andronati S.A., Kuz’min V.E., Krysko A.A., Varnek A. Design, Virtual Screening, and Synthe- sis of Antagonists of αllbβ3 as Antiplatelet Agents. J. Med. Chem. 2015. 58(19): 7681—7694. https://doi.org/10.1021/ acs.jmedchem.5b00865 5. Ognichenko L.N., Kuz’min V.E., Gorb L., Muratov E.N., Artemenko A.G., Kovdienko N.A., Polishchuk P.G., Hill F.C., Leszczynski J. New advances in QSPR/QSAR analysis of nitroсompounds: solubility, lipophilicity and toxicity. In: Leszczynski J., Shukla M. (Eds) Practical aspects of computational chemistry II. Springer, London, 2012. P. 279—334. https://doi.org/10.1007/978-94-007-0923-2_8 6. Oprisiu I., Varlamova E., Muratov E., Artemenko A., Marcou G., Polishchuk P., Kuz’min V., Varnek A. QSPR Ap- proach to Predict Nonadditive Properties of Mixtures. Application to Bubble Point Temperatures of Binary Mixtures of Liquids. Molecular Informatics. 2012. 31(6-7): 491—502. https://doi.org/10.1002/minf.201200006 7. Kuz’min V.E., Ognichenko L.N., Zinchenko V.F., Artemenko A.G., Shyrykalova A.O., Kozhukhar A.V. QSPR Mod- els for Predicting of the Melting Points and Refractive Indices for Inorganic Substances: Components of the Opti- cal Film-Forming Materials. International Journal of Quantitative Structure Property Relationships. 2020. 5(1): 1—21. https://doi.org/10.4018/IJQSPR.2020010101 ISSN 1027-3239. Вісн. НАН України, 2022, № 11 45 З КАФЕДРИ ПРЕЗИДІЇ НАН УКРАЇНИ 8. Kuz’min V., Ognichenko L., Sizochenko N., Chapkin V., Stelmakh S., Shyrykalova A., Leszczynski J. Combining Fea- tures of Metal Oxide Nanoparticles: Nano-QSAR for Cytotoxicity. International Journal of Quantitative Structure- Property Relationships. 2019. 4(1): 28—40. https://doi.org/10.4018/978-1-7998-8591-7.ch014 Victor E. Kuz’min O.V. Bogatsky Physico-Chemical Institute of the National Academy of Sciences of Ukraine, Odesa, Ukraine ORCID: https://orcid.org/0000-0002-2753-0453 CHEMOINFORMATICS AS AN EFFECTIVE TOOL FOR FORECASTING AND DESIGNING NEW SUBSTANCES WITH A COMPLEX OF NECESSARY PROPERTIES Transcript of scientific report at the meeting of the Presidium of NAS of Ukraine, September 21, 2022 The report is devoted to the results of fundamental and applied scientific research in the field of chemoinformatics con- ducted at the O.V. Bogatsky Physico-Chemical Institute of the NAS of Ukraine and related to the analysis of structure- property relationships in chemical substances for the purposeful design of new compounds and materials with a set of prescribed properties.

Institution

Similar Items