On the information content of 2D and 3D descriptors for QSAR

Abstract

To gain better understanding on the information content of two-dimensional (2D) vs. three-dimensional (3D) descriptor systems, we analyzed principal component analysis scores derived from 87 2D descriptors and 798 3D (ALMOND) variables on a set of 5998 compounds of medicinal chemistry interest. The information overlap between ALMOND and 2D-based descriptors, as modeled by the fraction of explained variance (r²) and by seven-groups cross-validation (q²) in a two PLS components model was 40%. Individual component analysis indicates that the first and second principal components from the 2D-descriptors are related to the first and third dimensions from the ALMOND PCA model. The first ALMOND component is explained (61%) by size-related descriptors, whereas the third component is marginally explained (25%) by hydrophobicity-related descriptors. Surprisingly, 2D-based hydrogen-bonding descriptors did not contribute significantly in this analysis. These results do not a priori justify the choice of one methodology over the other, when performing QSAR studies.

Translated abstract

Com o objetivo de melhor entender as informações paramétricas contidas em descritores bidimensionais (2D) e tridimensionais (3D), os escores de 87 descritores 2D e 798 variáveis 3D (ALMOND) obtidos de uma série de 5998 compostos de interesse em química medicinal, foram analisados através de análise de componentes principais. A fração de variância explicada (r²) e a validação cruzada (q²) para sete grupos, em duas componentes PLS, foram de 40%. Uma análise individual dos componentes, mostra que as duas primeiras PCs obtidas a partir dos descritores 2D estão relacionadas com a primeira e terceira PCs dos descritores 3D. A primeira componente 3D é explicada (61%) por descritores relacionados ao tamanho, enquanto que o conteúdo da terceira é essencialmente hidrofóbico, mas com pequena variância (25%). Surpreendentemente, descritores relacionados a ligações hidrogênio não contribuíram de forma significativa para a análise final. Estes resultados não permitem, a priori, a escolha de um método em detrimento de outro, quando da realização de estudos em QSAR.