Om topologiska co-index-polynom för prediktiv modellering av de fysikalisk-kemiska egenskaperna hos antivirala läkemedel

Varför matematik kan snabba upp sökandet efter Ebola‑mediciner

Att hitta nya antivirala läkemedel är vanligtvis långsamt och kostsamt, eftersom varje lovande molekyl måste syntetiseras och testas i laboratorium. Denna studie undersöker en genväg: att använda idéer från matematik och grafteori för att "läsa" ett läkemedels struktur som en streckkod och förutsäga hur det kommer att bete sig utan att blanda en enda kemikalie. Arbetet koncentrerar sig på läkemedel föreslagna mot ebolaviruset och visar hur noggrant utformade numeriska fingeravtryck av molekyler kan förutsäga viktiga fysikaliska egenskaper som påverkar hur ett läkemedel fungerar i kroppen.

Att omvandla molekyler till enkla bilder

I centrum för detta angreppssätt finns ett sätt att rita om en molekyl som ett enkelt nätverk: atomer blir punkter och kemiska bindningar blir linjer som förbinder dem. När ett läkemedel representeras som ett nätverk beräknar författarna topologiska index—tal som fångar egenskaper som hur många förgreningar molekylen har, hur tätt dess atomer är kopplade eller hur symmetrisk dess övergripande form är. Dessa index kondenserar en komplex tredimensionell struktur till ett fåtal beskrivande värden, vilket gör det möjligt att snabbt jämföra och analysera många molekyler på en dator.

Nya molekylära fingeravtryck med extra detalj

Byggt på tidigare arbete introducerar och analyserar forskarna en familj förfinade index kallade topologiska co‑index, härledda från två matematiska konstruktioner kända som CoM‑ och CoNM‑polynom. Istället för att bara beakta atomer som är direkt bundna tar dessa nya deskriptorer även hänsyn till atompar som inte är direkt förbundna men ändå påverkar varandra genom den övergripande strukturen. CoM fokuserar på hur många bindningar som möts vid varje atom, medan CoNM följer "närmiljön" kring varje atom. Genom att koda denna rikare information i kompakta polynom kan metoden generera många olika index i ett steg och erbjuda ett mer nyanserat fingeravtryck av varje molekyl utan hög beräkningskostnad.

Test av metoden på Ebola‑läkandekandidater

Teamet tillämpade sitt ramverk på åtta antivirala läkemedel som diskuterats i samband med Ebola‑behandling, inklusive Galidesivir, Chloroquine, Favipiravir, Amodiaquine, Azithromycin, Brincidofovir, Clomiphene och Remdesivir. För varje läkemedel beräknade de en uppsättning grad‑baserade och närmiljö‑baserade co‑index och jämförde dem med experimentdata hämtade från ChemSpider‑databasen. De fysikaliska egenskaper som undersöktes inkluderade molär volym, molar refraktivitet, polariserbarhet (hur lätt en molekyls elektroner förskjuts), ytspänning, övergripande strukturell komplexitet, hur oljig eller vattenälskande molekylen är (LogP), densitet och brytningsindex. I praktiken frågade de: kan dessa matematiska fingeravtryck ersätta tidskrävande mätningar?

Att hitta de bästa sambanden mellan struktur och beteende

För att undersöka dessa samband byggde författarna kvantitativa struktur–egenskapsmodeller (QSPR)—ekvationer som relaterar varje topologiskt co‑index till en given fysikalisk egenskap. De prövade tre familjer av modeller: enkla linjära anpassningar, logaritmiska anpassningar och krökta (kvadratiska) anpassningar. Många egenskaper visade starka korrelationer med särskilda index, med korrelationskoefficienter ofta nära ett, vilket innebär att förutsägelserna följde de experimentella värdena mycket väl. Vissa deskriptorer, såsom atom‑bindnings‑konnektivitetens co‑index och flera närmiljöbaserade index, framträdde upprepade gånger som de mest tillförlitliga prediktorerna för nyckelegenskaper som molär volym, molar refraktivitet, polariserbarhet och strukturell komplexitet. För mer subtila egenskaper som olje–vatten‑balans och densitet fångade icke‑linjära modeller—särskilt logaritmiska och kvadratiska former—sambanden bättre än räta linjer, vilket understryker att struktur–egenskaps‑kopplingen ofta är inneboende kurvad snarare än linjär.

Vad detta betyder för framtida läkemedelsupptäckt

Sammanfattningsvis visar studien att noggrant utformade topologiska co‑index, genererade från CoM‑ och CoNM‑polynom, kan fungera som kraftfulla ersättare för laboratoriemätningar av antivirala läkemedels egenskaper. Genom att korrekt förutsäga hur kandidatmolekyler kommer att bete sig kan dessa matematiska verktyg hjälpa forskare att snabbt filtrera stora bibliotek av föreningar, rikta in experiment på de mest lovande kandidaterna och finslipa molekylära designer innan syntes. Även om de inte ersätter biologisk testning erbjuder sådana deskriptorer ett snabbt och kostnadseffektivt sätt att navigera i kemiskt rum—en särskilt värdefull tillgång vid svar på snabbframväxande hot som Ebola och andra nya infektionssjukdomar.

Citering: Meharban, S., Ullah, A., Zaman, S. et al. On topological co-index polynomials for predictive modeling of the physicochemical properties of antiviral drugs. Sci Rep 16, 12456 (2026). https://doi.org/10.1038/s41598-026-43640-3

Nyckelord: Antivirala läkemedel mot Ebola, topologiska index, QSPR‑modellering, molekylär graferteori, beräkningsbaserad läkemedelsdesign