Quantitative
structure–activity relationship models (QSAR models) adalah regresi atau
klasifikasi model yang digunakan dalam cabang ilmu kimia, ilmu biologi dan ilmu
tehnik. Seperti model regresi lain, model regresi QSAR menghubungkan satu set
"prediktor" variabel (X) dengan potensi variabel respon (Y). Model
klasifikasi QSAR menghubungkan nilai variabel prediktor dengan kategori nilai variabel
respon.
Dalam pemodelan QSAR,
prediktor terdiri dari sifat fisiko-kimia atau deskriptor molekul teoritis
bahan kimia, sedangkan variabel respon merupakan aktivitas biologis dari bahan
kimia yang diuji. Model QSAR pertama kali digunakan untuk mengetahui aktivitas
biologis suatu struktur kimia dalam set data bahan kimia. Selanjutnya, model
QSAR memprediksi aktivitas biologis dari bahan kimia yang baru ditemukan.
Sebagai contoh,
aktivitas biologis dapat diartikan secara kuantitatif sebagai konsentrasi zat
yang dibutuhkan untuk memberikan respon biologis tertentu. Selain itu, ketika
sifat fisikokimia atau struktur dinyatakan dengan angka, seseorang dapat
menemukan hubungan matematis, atau hubungan aktivitas struktur secara
kuantitatif antara keduanya.
Sebuah QSAR memiliki
bentuk model matematika:
Kegiatan = f {sifat
fisikokimia dan / atau sifat struktural}) + Kesalahan
Kesalahan meliputi
model kesalahan (bias) dan variabilitas observasional, yaitu variabilitas dalam
pengamatan bahkan ketika pengamatan dilakukan pada model yang benar.
SAR dan paradoks SAR
Asumsi dasar untuk
semua hipotesis berbasis molekul adalah bahwa molekul yang sama memiliki
kegiatan serupa. Prinsip ini juga disebut Structure-Activity Relationship
(SAR). Oleh karena itu, masalah mendasar adalah bagaimana menentukan perbedaan
kecil pada tingkat molekuler, karena masing-masing jenis kegiatan, misalnya
kemampuan reaksi, kemampuan biotransformasi, kelarutan, aktivitas sasaran, dan
sebagainya, mungkin tergantung pada perbedaan lain. Contoh yang baik diberikan
dalam ulasan bioisosterism oleh Patanie / Lavoie dan Brown.
Secara umum, hipotesis biasanya
dibuat berdasarkan pada jumlah angka suatu data kimia. Dengan demikian, prinsip
induksi harus dilakukan untuk menghindari kesalahan hipotesis pada data
struktur molekul. Paradoks SAR mengacu pada fakta semua molekul yang sama belum
tentu memiliki kegiatan serupa.
3D-QSAR
3D-QSAR mengacu pada
penerapan ilmu kalkulasi yang membutuhkan struktur tiga dimensi, misalnya dalam
aktivitas kristalografi protein atau superimposisi molekul dengan menggunakan
komputasi modern menggunakan metode matematis, misalnya model Lennard-Jones, 3D-QSAR
digunakan untuk mengkaji bidang sterik (bentuk molekul), daerah hidrofobik
(permukaan air-larut), dan bidang elektrostatik.
Pada tanggal 18 Juni
2011, Comparative Molecular Field Analysis (CoMFA) telah memberikan paten
tentang pembatasan penggunaan GRID pada
teknologi partial least-squares (PLS) .
Dan tim dari the Rome Center for Molecular Design (RCMD) telah membuka web
server 3D QSAR (www.3d-qsar.com) berdasarkan 3-D QSAutogrid / R Engine.
3-D QSAutogrid / R
mencakup semua fitur utama CoMFA dan GRID / Golpe (Generating Optimal Linear
PLS Estimations) dengan bantuan multiprobe / multiregion pilihan variabel
(MPGRS) yang meningkatkan penyederhanaan interpretasi peta 3-D QSAR. Metodologi
ini didasarkan pada integrasi bidang interaksi molekul yang dihitung oleh
Autogrid dan lingkungan statistik R yang dapat dengan mudah digabungkan dengan
banyak antarmuka molekul grafis gratis seperti UCSF-Chimera, AutoDock Tools,
amol dan lain-lain.
Aplikasi
Kimia
Aplikasi QSAR yang
pertama dalam sejarah adalah untuk memprediksi titik didih suatu zat.
QSAR juga digunakan
untuk mengamati suatu senyawa kimia organik untuk mengetahui korelasi antara
struktur dan sifat yang dimiliki. Contoh sederhana adalah hubungan antara
jumlah karbon di alkana dan titik didihnya. Ada korelasi yang jelas pada
peningkatan titik didih dengan peningkatan jumlah karbon, dan ini berfungsi
sebagai sarana untuk memprediksi titik didih alkana yang lebih tinggi.
Biologi
Aktivitas biologis
molekul biasanya diukur dalam tes untuk menetapkan tingkat penghambatan
transduksi sinyal tertentu atau jalur metabolisme. Penemuan obat sering
melibatkan penggunaan QSAR untuk mengidentifikasi struktur kimia yang dapat
memiliki efek penghambat yang baik pada target tertentu yang memiliki
toksisitas rendah. Prediksi koefisien partisi log P, merupakan ukuran penting
yang digunakan dalam mengidentifikasi "druglikeness" menurut Rule of
Five dari teori Lipinski.
QSAR juga dapat
digunakan untuk mempelajari interaksi antara domain struktural protein.
Interaksi protein-protein dapat dianalisis secara kuantitatif untuk membuat variasi
struktural hasil dari mutagenesis.Secara umum, semua masalah QSAR dapat dibagi
menjadi coding and learning.
Gambar 1. Contoh QSAR
3D
