Антиковид-19 | Прогностические сервисы

Сервисы для прогноза биологической активности

С использованием разработанных нами веб-сервисов оцените вероятные виды биологической активности для изучаемых вами соединений.

Найти структурные аналоги активного соединения среди 4000 субстанций лекарственных препаратов

Как это сделать:

используйте разработанные нами методы машинного обучения для оценки структурного сходства с препаратом сравнения. Описание метода.

Введите структурную формулу препарата сравнения в редакторе Marvin JS.

Вы можете использовать редактор Marvin JS чтобы ввести в компьютер структурную формулу препарата сравнения. Marvin JS работает в любом браузере с поддержкой HTML5 без каких-либо плагинов. В случае использования IE, требуется версия 9 или выше. Правила ввода структурной формулы.

Найдите структурные аналоги препарата сравнения.

Нажмите кнопку «Поиск аналогов», чтобы идентифицировать структурные аналоги препарата сравнения среди 4000 зарегистрированных субстанций лекарственных препаратов. Посмотреть пример.

Поиск аналогов

Оценить вероятность анти-SARS-CoV-2 активности у новых химических соединений

Как это делается:

Здесь вы можете рассчитать вероятность наличия антикоронавирусной активности у анализируемого соединения с помощью специализированной версии компьютерной программы PASS (Prediction of Activity Spectra for Substances). Подробнее.

Введите молекулярную структуру вашего соединения в редакторе Marvin JS.

Вы можете использовать редактор Marvin JS чтобы ввести в компьютер структурную формулу анализируемого соединения. Marvin JS работает в любом браузере с поддержкой HTML5 без каких-либо плагинов. В случае использования IE, требуется версия 9 или выше. Правила ввода структурной формулы

Оцените профиль антикоронавирусной активности вашей молекулы.

Нажмите кнопку «Выполнить прогноз», чтобы оценить вероятность наличия антикоронавирусной активности для анализируемого соединения.

Выполнить прогноз

Используйте нашу общую SAR базу знаний, чтобы оценить влияние на коморбидные состояния связанное с Covid-19

Что мы вам предлагаем:

Здесь вы можете оценить вероятность наличия видов биологической активности изучаемых вами соединений, связанные с лечением сопутствующих COVID-19 заболеваний с помощью специализированной версии компьютерной программы PASS.

Нарисуйте молекулярную структуру вашего соединения в редакторе Marvin JS.

Вы можете использовать редактор Marvin JS чтобы ввести в компьютер структурную формулу анализируемого соединения. Marvin JS работает в любом браузере с поддержкой HTML5 без каких-либо плагинов. В случае использования IE, требуется версия 9 или выше.
Правила ввода структурной формулы

Оцените профиль биологической активности, ассоциированный с лечением сопутствующих COVID-19 заболеваний, для анализируемого соединения.

Нажмите кнопку «Выполнить прогноз», чтобы получить оценку.

Получить прогноз

Используйте нашу SAR базу знаний, чтобы оценить весь спектр биологической активности вашего соединения

Что мы вам предлагаем:

Здесь вы можете оценить общий профиль биологической активности анализируемого соединения с помощью компьютерной программы PASS Refined. Узнать подробнее.

Нарисуйте молекулярную структуру вашего соединения в редакторе Marvin JS.

Вы можете использовать редактор Marvin JS чтобы ввести в компьютер структурную формулу анализируемого соединения. Marvin JS работает в любом браузере с поддержкой HTML5 без каких-либо плагинов. В случае использования IE, требуется версия 9 или выше.
Правила ввода структурной формулы

Оцените общий профиль биологической активности анализируемого соединения.

Нажмите кнопку «Оценить мультитаргетность», чтобы получить оценку.

Оценить мультитаргетность

Используйте нашу SAR базу знаний, чтобы оценить побочные эффекты изучаемого соединения

Как это сделать:

Здесь вы можете оценить вероятность наличия побочных и токсических эффектов у анализируемого соединения с помощью специализированной версии компьютерной программы PASS.

Нарисуйте молекулярную структуру вашего соединения в редакторе Marvin JS.

Оцените вероятность наличия нежелательных эффектов у анализируемого соединения.

Нажмите кнопку «Оценить побочные эффекты», чтобы получить оценку.

Оценить побочные эффекты

Актуальность исследований, направленных на репозиционирование лекарств, обусловлена необходимостью применения в клинике препаратов, ранее предназначенных для лечения других заболеваний, с целью терапии новой коронавирусной инфекции COVID-19 и оперативного реагирования на новые биогенные угрозы, несмотря на ограниченность сведений относительно механизмов развития патологии, вызванной новым инфекционным агентом. С этой целью широко применяются теоретические оценки in silico и экспериментальные исследования in vitro [1, 2]. Репозиционирование лекарств, безопасность медицинского применения которых обоснована результатами предшествующих исследований, дает возможность существенно снизить временные и финансовые затраты на разработку нового препарата, поскольку при этом имеется возможность непосредственного изучения его эффективности в клинике, минуя стадию доклинических испытаний [3]. Пандемия COVID-19 продемонстрировала необходимость ускоренного поиска антикоронавирусных препаратов в условиях, когда число соединений с высокой активностью невелико, а их структуры весьма разнообразны. При этом «методом выбора» является поиск аналогов на основе оценки структурного сходства. Нами реализованы методы оценки сходства с использованием оригинальных MNA и QNA, эффективность применения которых была продемонстрирована ранее [4].

Вы можете ознакомиться с процессом оценки по сходству на примере Молнупиравира.

Публикации

1. Savosina P.I., Druzhilovskiy D.S., Poroikov V.V. COVID-19: Analysis of drug repositioning practice. Pharmaceutical Chemistry Journal, 2021, 54 (10), 989-996. DOI: 10.1007/s11094-021-02308-0

2. Mslati H., Gentile F., Perez C., Cherkasov A. A Comprehensive Consensus Analysis of SARS-CoV-2 Drug Repurposing Campaigns. Journal of Chemical Information and Modeling, 2021, Aug 23;61(8):3771-3788.DOI: 10.1021/acs.jcim.1c00384

3. Poroikov V., Druzhilovskiy D. Drug Repositioning: New Opportunities for Older Drugs. In: In Silico Drug Design, 1st Edition. Repurposing Techniques and Methodologies. Chapter 1. Editors: Kunal Roy. Elsevier, Academic Press, 2019, p.3-17. DOI: 10.1016/B978-0-12-816125-8.00001-8

4. Druzhilovskiy D.S., Stolbov L.A., Savosina P.I., Pogodin P.V., Filimonov D.A., Veselovsky A.V., Stefanisko K., Tarasova N.I., Nicklaus M.C., Poroikov V.V. Computational approaches to identify a hidden pharmacological potential in large chemical libraries. Supercomputing Frontiers and Innovations, 2020, 7 (3), 57-76. DOI: 10.14529/jsfi200306

Специализированная версия программы PASS (Prediction of Activity Spectra for Substances) [1-6] подготовлена на основе анализа взаимосвязи «структура-активность» для сформированной экспертами обучающей выборки, содержащей наиболее достоверную информацию о антикоронавирусной активности лекарственно-подобных соединений.

Информация о базе знаний (SAR Base) cпециализированной версии программы PASS:

1 889

661

5281

0.8498

общее число соединений в обучающей выборке

число активных соединений в обучающей выборке

число уникальных MNA дескрипторов

число прогнозируемых видов активности

средняя инвариантная точность прогноза (IAP*)

* IAP - это средняя инвариантная точность прогноза, оцениваемая на основе скользящего контроля с исключением по одному для всей обучающей выборки.

#	Количество*	IAP	Вид активности
1	661	0.8498	SARS-Cov-2 inhibitor

* Количество соединений с определенной активностью в обучающей выборке.

Более подробное описание алгоритма PASS и рекомендации по интерпретации результатов прогноза представлены в работе [1] раздела "Публикации".

Публикации

1. Филимонов Д.А., Дружиловский Д.С., Лагунин А.А., Глориозова Т.А., Рудик А.В., Дмитриев А.В., Погодин П.В., Поройков В.В. Компьютерное прогнозирование спектров биологической активности химических соединений: возможности и ограничения Biomedical Chemistry: Research and Methods, 2018, 1 (1), e00004. DOI: 10.18097/bmcrm00004

2. Filimonov D.A., Lagunin A.A., Gloriozova T.A., Rudik A.V., Druzhilovskii D.S., Pogodin P.V., Poroikov V.V. Prediction of the biological activity spectra of organic compounds using the PASS online web resource. Chemistry of Heterocyclic Compounds, 2014, 50 (3), 444-457. DOI: 10.1007/s10593-014-1496-1

3. Filimonov D.A., Poroikov V.V. Probabilistic approach in activity prediction. In: Chemoinformatics Approaches to Virtual Screening. Eds. Alexandre Varnek and Alexander Tropsha. Cambridge (UK): RSC Publishing, 2008, p.182-216. DOI: 10.1039/9781847558879

4. Lagunin A., Stepanchikova A., Filimonov D., Poroikov V. PASS: prediction of activity spectra for biologically active substances. Bioinformatics, 2000. 16 (8), 747-748. DOI: 10.1093/bioinformatics/16.8.747

5. Poroikov V.V., Filimonov D.A., Boudunova A.P. Comparison of the results of prediction of the spectra of biological activity of chemical compounds by experts and the PASS system. Automatic Documentation and Mathematical Linguistics, 1993, 27(3), 40-43.

6. Muratov E.N., Bajorath J., Sheridan R.P., Tetko I., Filimonov D., Poroikov V., Oprea T., Baskin I.I., Varnek A., Roitberg A., Isayev O., Curtalolo S., Fourches D., Cohen Y., Aspuru-Guzik A., Winkler D.A., Agrafiotis D., Cherkasov A., Tropsha A. QSAR without borders. Chemical Society Reviews, 2020, 49, 3525-3564. DOI: 10.1039/D0CS00098A

База знаний PASS SAR была подготовлена путем отбора 467 фармакотерапевтических эффектов и механизмов действия, соответствующих следующим кодам ATC:

(A10) DRUGS USED IN DIABETES

(A8) ANTIOBESITY PREPARATIONS, EXCLUDING DIETETICS

(C2) ANTIHYPERTENSIVES

(L) ANTINEOPLASTIC AND IMMUNOMODULATING AGENTS

(R3) BRONCHODILATORS AND ANTI-ASTHMA PREPARATIONS

Информация о взаимосвязи структура-активность (SAR) обучающей выборки представлена ниже:

1 368 353

128 917

1 945

346

0.9721

Соединений

Дескрипторов

Видов активности

Выбранных видов активности

Средний IAP (инвариантная точность прогноза)

Валидация SAR Base

№	Группа	Количество	IAP	Вид активности
1	M	314	0,9925	2,3-Oxidosqualene-lanosterol cyclase inhibitor
2	M	24	0,974	3-Hydroxyanthranilate 3,4-dioxygenase inhibitor
3	M	3032	0,9893	5 Hydroxytryptamine 1 agonist
4	MA	1628	0,9916	5 Hydroxytryptamine 1A agonist
5	M	5262	0,9741	5 Hydroxytryptamine 2 antagonist
6	M	1066	0,9934	5 Hydroxytryptamine 2C agonist
7	M	6151	0,9844	5 Hydroxytryptamine agonist
8	M	38	0,8543	5 Hydroxytryptamine release inhibitor
9	M	22	0,91	5 Hydroxytryptamine release stimulant
10	MAC	6428	0,9875	5 Hydroxytryptamine uptake inhibitor
11	M	788	0,9959	5 Lipoxygenase activating protein inhibitor
12	M	1690	0,9939	5-Alpha-reductase inhibitor
13	M	3768	0,9712	5-Lipoxygenase inhibitor
14	M	89	0,9885	AICAR transformylase inhibitor
15	M	2020	0,9916	AMPA receptor antagonist
16	M	86	0,9958	ATP citrate lysase inhibitor
17	M	1330	0,991	Acetyl-CoA carboxylase inhibitor
18	M	3341	0,9893	Acetyl-CoA transferase inhibitor
19	MA	2272	0,9529	Acetylcholine M1 receptor antagonist
20	MA	2184	0,9899	Acetylcholine M2 receptor antagonist
21	MA	2429	0,9906	Acetylcholine M3 receptor antagonist
22	M	6685	0,9615	Acetylcholine antagonist
23	M	5041	0,9642	Acetylcholine muscarinic antagonist
24	MA	678	0,9967	Adenosine A1 receptor agonist
25	M	3947	0,9871	Adenosine A1 receptor antagonist
26	M	818	0,9965	Adenosine A2 receptor agonist
27	M	5467	0,9864	Adenosine A2 receptor antagonist
28	MA	3845	0,9872	Adenosine A2a receptor antagonist
29	M	1654	0,9898	Adenosine A2b receptor antagonist
30	M	310	0,9952	Adenosine A3 receptor agonist
31	M	1946	0,9798	Adenosine A3 receptor antagonist
32	MA	282	0,988	Adenosine deaminase inhibitor
33	MA	261	0,9555	Adenylate cyclase inhibitor
34	M	92	0,9579	Adenylate cyclase stimulant
35	M	7027	0,9768	Adrenaline agonist
36	M	8132	0,975	Adrenaline antagonist
37	MA	226	0,9846	Aldosterone antagonist
38	M	918	0,9664	Alkylator
39	M	1067	0,9867	Alpha 1 adrenoreceptor agonist
40	M	4793	0,9818	Alpha 1 adrenoreceptor antagonist
41	M	1086	0,9865	Alpha 2 adrenoreceptor agonist
42	M	2127	0,9822	Alpha 2 adrenoreceptor antagonist
43	M	1924	0,9838	Alpha adrenoreceptor agonist
44	M	6350	0,9755	Alpha adrenoreceptor antagonist
45		6311	0,8595	Alpha-glucosidase inhibitor
46	M	759	0,9824	Aminopeptidase microsomal inhibitor
47	M	124	0,9642	Amylase inhibitor
48	M	426	0,9419	Amyloid beta precursor protein antagonist
49	E	1851	0,9152	Amyotrophic lateral sclerosis treatment
50	MA	2488	0,975	Androgen antagonist
51	EM	8627	0,8961	Angiogenesis inhibitor
52	EM	100	0,9492	Angiogenesis stimulant
53	M	5489	0,9933	Angiotensin AT1 receptor antagonist
54	M	22	0,9995	Angiotensin AT2 receptor agonist
55	M	1645	0,9976	Angiotensin AT2 receptor antagonist
56	M	6277	0,9938	Angiotensin II receptor antagonist
57	M	1883	0,9879	Angiotensin-converting enzyme inhibitor
58	E	3172	0,9437	Antianginal
59	E	17268	0,8817	Antiasthmatic
60	EM	72	0,9966	Antibiotic Anthracycline-like
61	E	37286	0,8552	Antidiabetic
62	E	3354	0,9207	Antidiabetic symptomatic
63	M	2270	0,9937	Antidiuretic hormone antagonist
64	E	313	0,9173	Antihypercholesterolemic
65	E	18489	0,902	Antihypertensive
66	E	5727	0,9137	Antiischemic
67	E	1908	0,9402	Antiischemic, cerebral
68	E	5777	0,9268	Antileukemic
69	EM	901	0,9906	Antimetabolite
70	EM	6661	0,9337	Antimitotic
71	EM	86	0,9711	Antineoplastic alkaloid
72	EM	2657	0,9821	Antineoplastic antibiotic
73	E	176	0,9495	Antineoplastic antimetabolite
74	E	1651	0,9139	Antineoplastic enhancer
75	E	125	0,9745	Antineoplastic, alkylator
76	EM	19141	0,8838	Antiobesity
77	EM	10358	0,8469	Apoptosis agonist
78	EM	948	0,8883	Apoptosis antagonist
79	M	99	0,9547	Arachidonic acid antagonist
80	M	2431	0,9882	Aromatase inhibitor
81	M	1332	0,9804	Bcl2 antagonist
82	MA	815	0,9957	Beta 1 adrenoreceptor agonist
83	MA	925	0,989	Beta 1 adrenoreceptor antagonist
84	MA	2622	0,9782	Beta 2 adrenoreceptor agonist
85	MA	1055	0,9905	Beta 2 adrenoreceptor antagonist
86	M	2581	0,9985	Beta 3 adrenoreceptor agonist
87	M	300	0,9891	Beta 3 adrenoreceptor antagonist
88	M	5149	0,9847	Beta adrenoreceptor agonist
89	M	1931	0,9856	Beta adrenoreceptor antagonist
90	M	819	0,9914	Beta tubulin antagonist
91	M	186	0,9819	Bombesin antagonist
92	M	690	0,9981	Bradykinin B2 receptor antagonist
93	M	2240	0,9943	Bradykinin antagonist
94	EM	2758	0,9703	Bronchodilator
95	M	578	0,9954	CC chemokine 1 receptor antagonist
96	M	1406	0,9907	CC chemokine 2 receptor antagonist
97	M	783	0,9895	CC chemokine 3 receptor antagonist
98	M	128	0,9807	CD45 antagonist
99	M	13	0,9998	Calcineurin inhibitor
100	M	139	0,9796	Calcium antagonist
101	M	82	0,8815	Calcium channel activator
102	M	8719	0,956	Calcium channel blocker
103	M	1563	0,9249	Calpain inhibitor
104	MA	3422	0,9839	Cannabinoid CB1 receptor antagonist
105	M	16	0,9945	Carbamoyl phosphate synthetase inhibitor
106	MA	6774	0,988	Carbonic anhydrase inhibitor
107	EM	8109	0,9156	Cardiotonic
108	M	541	0,9939	Carnitine palmitoyltransferase inhibitor
109	M	1384	0,9647	Caspase 3 inhibitor
110	M	1472	0,9836	Cathepsin B inhibitor
111	M	1337	0,9835	Cathepsin D inhibitor
112	M	2335	0,9969	Cathepsin S inhibitor
113	M	357	0,9855	Chemokine receptor agonist
114	M	9456	0,9758	Chemokine receptor antagonist
115	M	262	0,9965	Cholecystokinin A agonist
116	M	293	0,9965	Cholecystokinin agonist
117	E	221	0,9743	Cholesterol absorption inhibitor
118	M	123	0,8952	Cholesterol antagonist
119	M	1321	0,9942	Cholesterol ester transfer protein antagonist
120	M	421	0,9944	Cholesterol esterase inhibitor
121	EM	132	0,9659	Cholesterol synthesis inhibitor
122	M	11566	0,9502	Cholinergic
123	M	6851	0,9603	Cholinergic antagonist
124	M	1085	0,9906	Collagenase inhibitor
125	M	128	0,999	Complement factor 1 inhibitor
126	M	126	0,9995	Corticosteroid-like
127	M	54	0,9786	Corticotropin releasing factor 2 receptor antagonist
128	M	235	0,9166	Cyclic AMP phosphodiesterase inhibitor
129	M	217	0,9846	Cyclin D1 inhibitor
130	M	2542	0,9735	Cyclin-dependent kinase 1 inhibitor
131	M	4066	0,9686	Cyclin-dependent kinase 2 inhibitor
132	M	2439	0,9837	Cyclin-dependent kinase 4 inhibitor
133	M	9117	0,9598	Cyclin-dependent kinase inhibitor
134	MA	8193	0,9552	Cyclooxygenase inhibitor
135	M	549	0,9498	Cytidine deaminase inhibitor
136	E	332	0,9283	Cytostatic
137	M	3175	0,9671	DNA directed RNA polymerase inhibitor
138	EM	1021	0,9693	DNA intercalator
139	M	445	0,9381	DNA methylase inhibitor
140	EM	306	0,9145	DNA synthesis inhibitor
141	MA	26	0,9715	DOPA decarboxylase inhibitor
142	MA	3055	0,9901	Dihydrofolate reductase inhibitor
143	M	1004	0,9891	Dihydroorotate dehydrogenase inhibitor
144	M	90	0,9967	Dihydropteroate synthase inhibitor
145	EM	1320	0,9491	Diuretic
146	M	375	0,9974	Dopamine D1 agonist
147	MA	797	0,9922	Dopamine D2 agonist
148	M	2350	0,9837	Dopamine agonist
149	M	201	0,9858	Dopamine beta hydroxylase inhibitor
150	MA	2264	0,9969	Endothelin A receptor antagonist
151	M	1473	0,9974	Endothelin B receptor antagonist
152	M	3077	0,996	Endothelin receptor antagonist
153	M	209	0,9883	Endothelin-converting enzyme inhibitor
154	M	5628	0,9783	Epidermal growth factor antagonist
155	M	10785	0,9617	Epidermal growth factor receptor kinase inhibitor
156	M	3779	0,9773	ErbB-2 antagonist
157	M	56	0,9725	ErbB-3 antagonist
158	MA	1594	0,9896	Estrogen agonist
159	M	2998	0,9585	Estrogen antagonist
160	M	549	0,9981	Estrone sulfatase inhibitor
161	M	3824	0,9854	Farnesyltransferase inhibitor
162	M	478	0,9857	Fatty acid synthase inhibitor
163	M	42	0,9543	Folate antagonist
164	M	2140	0,9303	Free radical scavenger
165	M	256	0,9885	GABA B receptor antagonist
166	M	2562	0,992	GP IIb/IIIa receptor antagonist
167	M	903	0,9952	Geranylgeranyltransferase inhibitor
168	M	1178	0,9967	Glucagon receptor antagonist
169	M	349	0,9837	Glucagon-like peptide 1 agonist
170	M	66	0,9902	Glucose-6-phosphate translocase inhibitor
171	M	44	0,9842	Glutamate decarboxylase inhibitor
172	M	12117	0,9697	Glutamate receptor antagonist
173	M	70	0,9676	Glutamate release inhibitor
174	M	208	0,9683	Glutathione S-transferase inhibitor
175	M	108	0,9813	Glycine receptor antagonist
176	M	172	0,9695	Gonadotropin-releasing hormone receptor agonist
177	M	1971	0,9924	Gonadotropin-releasing hormone receptor antagonist
178	M	12	0,977	Granulocyte macrophage colony stimulating factor agonist
179	M	1362	0,97	Granulocyte macrophage colony stimulating factor antagonist
180	M	21295	0,9527	Growth factor antagonist
181	M	41	0,9996	Growth hormone releasing factor antagonist
182	M	748	0,9868	Guanylate cyclase stimulant
183	E	994	0,9696	HDL-cholesterol increasing
184	MA	1450	0,9946	HMG CoA reductase inhibitor
185	M	230	0,9745	Heparanase inhibitor
186	M	4337	0,9705	Hepatocyte growth factor antagonist
187	MA	1959	0,9849	Histamine H1 receptor antagonist
188	MA	200	0,9913	Histamine H2 receptor agonist
189	M	1005	0,9876	Histamine agonist
190	M	6741	0,9772	Histamine antagonist
191	M	119	0,8772	Histamine release inhibitor
192	M	462	0,9018	Histone acetyltransferase inhibitor
193	MT	1745	0,9024	Hypoglycemic
194	EM	9834	0,9318	Hypolipemic
195	MA	114	0,9976	Hypoxanthine phosphoribosyltransferase inhibitor
196	M	86	0,974	Immunoglobulin Fc receptor antagonist
197	EM	1421	0,9228	Immunostimulant
198	EM	4981	0,8928	Immunosuppressant
199	EM	12	0,9998	Immunosuppressant Cyclosporine-like
200	M	1015	0,9954	Inosine monophosphate dehydrogenase inhibitor
201	M	3816	0,9771	Insulin like growth factor 1 antagonist
202	M	1483	0,9674	Insulin receptor antagonist
203	M	5203	0,9916	Integrin antagonist
204	M	211	0,9768	Interferon agonist
205	M	953	0,9535	Interleukin 1 antagonist
206	M	1565	0,9675	Interleukin 1 beta converting enzyme inhibitor
207	M	134	0,9591	Interleukin 12 antagonist
208	M	17	0,9107	Interleukin 2 agonist
209	M	254	0,9549	Interleukin 2 antagonist
210	M	147	0,9535	Interleukin 4 antagonist
211	M	249	0,9385	Interleukin 6 antagonist
212	M	251	0,9518	Interleukin 8 antagonist
213	M	62	0,9256	Interleukin agonist
214	M	1869	0,9381	Interleukin antagonist
215	M	6486	0,9827	Janus tyrosine kinase 3 inhibitor
216	M	1313	0,9937	Kinesin antagonist
217	M	362	0,9976	LFA antagonist
218	M	113	0,9583	Lanosterol 14 alpha demethylase inhibitor
219	M	650	0,996	Leukotriene A4 hydrolase inhibitor
220	M	958	0,9885	Leukotriene B4 antagonist
221	M	289	0,9812	Leukotriene C antagonist
222	M	278	0,9882	Leukotriene C4 antagonist
223	M	1307	0,9958	Leukotriene D4 antagonist
224	M	2819	0,9866	Leukotriene antagonist
225	EM	851	0,9862	Leukotriene synthesis inhibitor
226	M	632	0,9834	Lipase inhibitor
227	M	946	0,9549	Lipid peroxidase inhibitor
228	M	80	0,9739	Lipocortins synthesis agonist
229	M	11	0,9692	Lipocortins synthesis antagonist
230	M	8906	0,9107	Lipoxygenase inhibitor
231	M	2703	0,9634	MAP kinase kinase inhibitor
232	M	127	0,991	Maillard reaction inhibitor
233	M	113	0,9912	Mannosidase inhibitor
234	M	2506	0,9897	Matrix metalloproteinase 1 inhibitor
235	M	472	0,9758	Mediator release inhibitor
236	M	627	0,998	Melanocortin 1 agonist
237	M	1827	0,9978	Melanocortin 4 agonist
238	M	1316	0,9896	Melanocortin 4 antagonist
239	M	2094	0,997	Melanocortin agonist
240	M	3435	0,9774	Metalloproteinase-2 inhibitor
241	M	519	0,9992	Microsomal triglyceride transfer protein inhibitor
242	M	590	0,9636	Microtubule formation inhibitor
243	M	890	0,9917	Mineralocorticoid receptor antagonist
244	M	751	0,9708	Monophenol monooxygenase inhibitor
245	M	99	0,97	Myc inhibitor
246	E	2050	0,9253	Myocardial infarction treatment
247	E	2506	0,9553	Myocardial ischemia treatment
248	M	5512	0,9788	NMDA receptor antagonist
249	M	617	0,998	NMDA receptor glycine site antagonist
250	MA	309	0,9843	Na+ K+ transporting ATPase inhibitor
251	M	1573	0,9906	Neurokinin 2 antagonist
252	M	4224	0,9906	Neurokinin antagonist
253	M	2164	0,9696	Neuropeptide Y antagonist
254	MA	1611	0,9971	Neutral endopeptidase inhibitor
255	M	1173	0,9857	Neutrophil collagenase inhibitor
256	M	980	0,9908	Nitric oxide donor
257	M	2814	0,9713	Nitric-oxide synthase inhibitor
258	M	162	0,9907	O6-alkylguanine-DNA alkyltransferase inhibitor
259	M	3082	0,9757	Orexin receptor antagonist
260	M	294	0,9774	Ornithine decarboxylase inhibitor
261	M	2616	0,9909	Peroxisome proliferator-activated receptor alpha agonist
262	M	1448	0,9942	Peroxisome proliferator-activated receptor delta agonist
263	M	3313	0,9846	Peroxisome proliferator-activated receptor gamma agonist
264	M	141	0,9907	Phenylethanolamine N methyltransferase inhibitor
265	M	13796	0,9827	Phosphatidylinositol kinase inhibitor
266	M	789	0,9665	Phosphodiesterase I inhibitor
267	M	1618	0,9854	Phosphodiesterase III inhibitor
268	M	7237	0,9801	Phosphodiesterase IV inhibitor
269	M	2718	0,9831	Phosphodiesterase V inhibitor
270	MA	18000	0,9606	Phosphodiesterase inhibitor
271	MA	1781	0,9456	Phospholipase A2 inhibitor
272	MA	101	0,9213	Phospholipase C inhibitor
273	M	227	0,9981	Phosphoribosylglycinamide formyltransferase inhibitor
274	MA	734	0,9912	Phosphorylase inhibitor
275	EM	76	0,9556	Photosensitizer
276	M	285	0,987	Plasminogen activator inhibitor
277	MA	7898	0,9671	Platelet activating factor antagonist
278	EM	13308	0,9321	Platelet aggregation inhibitor
279	M	4312	0,9892	Poly(ADP-ribose) polymerase inhibitor
280	M	2943	0,9727	Potassium channel activator
281	M	11853	0,9384	Potassium channel blocker
282	M	1715	0,9939	Progesterone antagonist
283	M	313	0,9978	Prostacyclin agonist
284	M	1387	0,9975	Prostaglandin E2 agonist
285	M	314	0,9974	Prostaglandin EP2 agonist
286	M	1741	0,9946	Prostaglandin agonist
287	M	2864	0,9736	Protein-tyrosine phosphatase 1B inhibitor
288	M	4410	0,9534	Protein-tyrosine phosphatase inhibitor
289	M	415	0,9984	Purine nucleoside phosphorylase inhibitor
290	M	1730	0,9918	Purinergic P2Y antagonist
291	M	5062	0,9953	Renin inhibitor
292	MA	134	0,9958	Retinoic acid alpha receptor agonist
293	M	141	0,9972	Retinoic acid beta receptor agonist
294	M	84	0,9968	Retinoic acid gamma receptor agonist
295	M	348	0,9957	Retinoic acid receptor agonist
296	M	412	0,9975	Retinoic acid receptor antagonist
297	M	354	0,9953	Retinoid X receptor agonist
298	M	5789	0,9789	Rho-associated kinase inhibitor
299		350	0,9911	Ribonucleoside-diphosphate reductase inhibitor
300	M	370	0,9906	Ribonucleotide reductase inhibitor
301	MA	233	0,9941	S-adenosyl-L-homocysteine hydrolase inhibitor
302	M	73	0,986	S-adenosyl-L-methionine decarboxylase inhibitor
303	M	2240	0,9913	Sigma receptor antagonist
304	MA	7386	0,9603	Sodium channel blocker
305	MC	22	0,9534	Sodium/bile acid cotransporter inhibitor
306	MC	141	0,9876	Sodium/calcium exchanger inhibitor
307	MC	2624	0,9943	Sodium/glucose cotransporter inhibitor
308	MC	1187	0,9988	Sodium/hydrogen exchanger inhibitor
309	M	290	0,9958	Somatostatin agonist
310	M	182	0,9932	Squalene epoxidase inhibitor
311	M	1137	0,9958	Squalene synthetase inhibitor
312	M	964	0,9967	Steroid 17-alpha-hydroxylase/17,20 lyase inhibitor
313	M	3895	0,9828	Syk tyrosine kinase inhibitor
314	EM	246	0,9595	T cell inhibitor
315	M	932	0,974	Telomerase inhibitor
316	M	770	0,9905	Thromboxane A2 antagonist
317	M	1552	0,9895	Thromboxane antagonist
318	M	1643	0,9846	Thromboxane synthase inhibitor
319	M	1630	0,9914	Thymidylate synthase inhibitor
320	MA	276	0,9948	Thyroid hormone agonist
321	M	2247	0,8933	Thyroid hormone antagonist
322	MA	1496	0,9729	Topoisomerase I inhibitor
323	M	1756	0,9658	Topoisomerase II inhibitor
324	M	420	0,9822	Transcription factor AP-1 inhibitor
325	M	1621	0,8935	Transcription factor NF kappa B inhibitor
326	M	24513	0,8529	Transcription factor inhibitor
327	M	534	0,9923	Tryptase inhibitor
328	M	33	0,9962	Tubulin agonist
329	M	3283	0,9621	Tubulin antagonist
330	M	1319	0,9344	Tumour necrosis factor antagonist
331	M	40586	0,9423	Tyrosine kinase inhibitor
332	EM	762	0,9702	Uric acid excretion stimulant
333	M	132	0,9985	Uridine phosphorylase inhibitor
334	M	1112	0,9917	Urokinase inhibitor
335	M	441	0,9882	VCAM antagonist
336	M	440	0,9883	VCAM-1 antagonist
337	M	1120	0,997	VLA-4 antagonist
338	E	2504	0,9285	Vascular (periferal) disease treatment
339	EM	225	0,8884	Vasodilator, peripheral
340	M	1724	0,9959	Vasopressin 1 antagonist
341	M	310	0,9985	Vasopressin 2 agonist
342	M	1041	0,994	Vasopressin 2 antagonist
343	M	143	0,996	Vitamin D receptor agonist
344	M	170	0,9999	Vitamin D-like
345	M	1844	0,9962	Vitronectin receptor antagonist
346	M	958	0,9831	ZAP-70 protein tyrosine kinase inhibitor
№	Группа	Количество	IAP	Вид активности

Публикации

1. Poroikov V.V., Filimonov D.A., Boudunova A.P. Comparison of the results of prediction of the spectra of biological activity of chemical compounds by experts and the PASS system. Automatic Documentation and Mathematical Linguistics, 1993, 27(3), 40-43.

2. Lagunin A., Stepanchikova A., Filimonov D., Poroikov V. PASS: prediction of activity spectra for biologically active substances. Bioinformatics, 2000. 16 (8), 747-748. DOI: 10.1093/bioinformatics/16.8.747

4. Filimonov D.A., Lagunin A.A., Gloriozova T.A., Rudik A.V., Druzhilovskii D.S., Pogodin P.V., Poroikov V.V. Prediction of the biological activity spectra of organic compounds using the PASS online web resource. Chemistry of Heterocyclic Compounds, 2014, 50 (3), 444-457. DOI: 10.1007/s10593-014-1496-1

5. Filimonov D.A., Druzhilovskiy D.S., Lagunin A.A., Gloriozova T.A., Rudik A.V., Dmitriev A.V., Pogodin P.V., Poroikov V.V. Computer-aided prediction of biological activity spectra for chemical compounds: opportunities and limitations. Biomedical Chemistry: Research and Methods, 2018, 1 (1), e00004. DOI: 10.18097/bmcrm00004

Задайте пожалуйста ваш вопрос

Сервисы для прогноза биологической активности

Найти структурные аналоги активного соединения среди 4000 субстанций лекарственных препаратов

Как это сделать:

Оценить вероятность анти-SARS-CoV-2 активности у новых химических соединений

Как это делается:

Используйте нашу общую SAR базу знаний, чтобы оценить влияние на коморбидные состояния связанное с Covid-19

Что мы вам предлагаем:

Используйте нашу SAR базу знаний, чтобы оценить весь спектр биологической активности вашего соединения

Что мы вам предлагаем:

Используйте нашу SAR базу знаний, чтобы оценить побочные эффекты изучаемого соединения

Как это сделать: