ارتباط کمی ساختار – فعالیت (کیوسار)، در ساده ترین تعریف، روشی جهت ساختن مدل های ریاضی یا محاسباتی با استفاده از روش های کمومتریکس همچون الگوریتم ژنتیکی (GA) ، شبکه های عصبی مصنوعی (ANN)، رگرسیون خطی چند متغیره (MLR)، رگرسیون کمترین مربعات جزئی (PLS) و ... است که تلاش می کند ارتباط معنادار آماری را بین ساختار و عملکرد ایجاد کند..
امروزه کاملا پذیرفته شده است که فعالیت درمانی و زیستی یک دارو به خصوصیات صورت بندیی، فضایی و یا فیزیکی - شیمیایی آن بستگی دارد. منظور از خصوصیت فیزیکی - شیمیایی، توانایی یک مولکول برای عبور از غشای سلولی، گرفته شدن آن توسط مادهچرب،توزیع بارهای الکتریکی آن و توانایی آن برای برقراری پیوند هیدروژنی با سایر مولکول ها و ... است.منظور از خصوصیات صورت بندیی یا فضایی، طبیعت اتم هایی است که مولکول را تشکیل می دهند یعنی فواصل بین اتم ها و زوایای پیوندی میان آنها.
تلاش برای برقراری ارتباط بین ساختار شیمیایی و فعالیت زیستی موضوع کیوسار است. کیوسار علت اثر معین یک دارو را توضیح می دهد و نهایتاً می تواند اثر ترکیبات شیمیایی به تازگی سنتز شده را پیش بینی نماید..
مدل کیوسار نیز معادله ای است که خصوصیتی را از طریق توصیف کننده های مولکولی (descriptors) و ضرایب آن ها پیش بینی می نماید.
روند ایجاد یک مدل کیوسار بدون توجه به اینکه چه نوع خصوصیتی مورد پیش بینی قرار می¬گیرد مشابه است. اولین گام در ایجاد یک مدل کیوسار تولید نمودن مجموعه آموزش (training) از ترکیبات ( لیگاند، دارو )، همراه با فعالیت های تجربی آنها (مانند IC50 ) است. اگر به تعداد کافی فعالیت¬های تجربی شناخته شده وجود داشته باشد می توان درصد کمی از آنها را به صورت تصادفی از مجموعه داده ها کنار گذاشته و به عنوان مجموعه آزمون (prediction) مورد استفاده قرار داد.
برنامه¬های کیوسار اغلب می توانند به سرعت صد ها توصیف کننده متفاوت را تولید کنند. پس از آنکه توصیف کننده ها محاسبه شدند لازم است که از میان آنها تعدادی برای قرار گرفتن در مدل کیوسار انتخاب شوند. از آنجایی که اکثر معادله های کیوسار خطی هستند ضریب همبستگی می تواند مقیاس کمی مناسبی را از اینکه هر توصیف کننده چقدر خوب فعالیت را توصیف می کند به دست دهد. بنابراین توصیف کنندهای که بالاترین ضریب همبستگی را داشته باشد می تواند انتخاب شود..
توصیف کننده بعدی که انتخاب می شود نیز باید به خوبی با فعالیت مرتبط باشد اما نباید با توصیف کننده اولیه ارتباط زیادی داشته باشد. این امر سبب می شود که بدون تکرار نقص موجود در توصیف کننده اول جبران شود.
بعد از آنکه توصیف کننده ها انتخاب شدند مدل سازی توسط روشی همچون کمترین مربعات انجام می شود تا ضرایبی که بهترین انطباق با مدل را دارند تولید شوند. سپس مقدار پیش بینی شده فعالیت برای ترکیبات مجموعه آموزش محاسبه شده و با فعالیت تجربی مقایسه می¬شود. تحلیل اینکه کدام ترکیبات به خوبی پیش بینی نشده اند گاهی اوقات می تواند توصیف کننده های افزون تری را برای اضافه شدن به معادله کیوسار پیشنهاد نماید، تا پیش بینی مدل بهبود یابد.
در انتها فعالیت ترکیبات مجموعه آزمون مورد پیش بینی قرار می¬گیرد و با فعالیت تجربی مقایسه می¬شود. استفاده از معادله¬های پیش بینی خطی و انتخاب توصیف کننده ها بر مبنای ضرایب همبستگی، یکی از مناسب¬ترین روش¬ها برای ایجاد یک مدل کیوسار است اما این امکان وجود دارد که معادله های غیر خطی را نیز تولید نمود. در این راستا اگر ارتباط شناخته شده ای وجود داشته باشد، همچون وجود ارتباط با توان دوم یک خصوصیت، می تواند مورد استفاده قرار گیرد. اگر این ارتباط ناشناخته باشد محقق می¬تواند گراف ها یی از توصیف کننده¬ها را بر حسب فعالیت مورد ارزیابی قرار دهد تا به صورت بصری ارزیابی نماید که کدام یک ممکن است ارتباط غیر خطی داشته باشند. اما این روش نوعی آزمون و خطا است زیرا بایستی بدون در نظر گرفتن ضرایب همبستگی که به انتخاب توصیف کننده ها کمک می کنند انجام شود..
زمانی که مدل کیوسار تولید شد می توان صحت آن را از طریق معیار های آماری هم چون ضریب همبستگی بین مقادیر پیش بینی شده و واقعی مورد ارزیابی قرار داد. همچنین می توان مقادیر پیش بینی شده و واقعی را بر حسب یکدیگر رسم نمود که این نمودار اگر به صورت یک منحنی باشد می تواند برای شناسایی یک الگوی غیر خطی استفاده شود. همچنین ترکیباتی که دور از خط هستند می توانند پارامتر ها یی را پیشنهاد کنند که می بایست در مدل لحاظ شوند تا به مدل خوبی دست پیدا نمود..
در اکثر موارد روش های کیوسار بر مبنای نمایش ساختاری یا روشی که به وسیله آن مقادیر توصیف کننده به دست آمده است دسته بندی می شوند:
کیوسار یک بعدی، فعالیت را به خصوصیات کلی مولکول همچون ,PKa, logP... ارتباط می¬دهد.
کیوساردو بعدی، فعالیت را به الگو¬های ساختاری همچون شاخص¬های اتصال، فارماکوفر دو بعدی و ... ارتباط می دهد بدون اینکه نمایش سه بعدی این خصوصیات را محاسبه کند.
کیوسار سه بعدی، فعالیت را به میدان¬های بر هم کنش غیر کوولانسی که مولکول¬ها را احاطه کرده اند ارتباط می¬دهد.
کیوسار چهار بعدی، مجموعه¬ای از پیکر بندی¬های لیگاند را به کیوسار سه بعدی اضافه می¬کند.
کیوسار پنج بعدی، به وضوح مدل¬های فیت شده القایی متفاوت را در کیوسار چهار بعدی ارائه می-دهد.
کیوسار شش بعدی، مدل¬های حلالیت متفاوت را در کیوسار پنج بعدی، ارائه می¬کند.
کیوسار سه بعدی روشی گسترده بوده که به همه روش¬های کیوسار که ویژگی¬های هدف ماکروسکوپی را به توصیف کننده¬های بر مبنای اتم محاسبه شده از نمایش سه بعدی ساختارهای مولکولی مرتبط می-کنند اطلاق می¬شود. یک مطالعه کیوسار سه بعدی شناسایی آرایش فارماکوفری قطعات مولکولی در فضا را ممکن می¬سازد و امکان طراحی ترکیباتی را که قدرت زیستی تقویت یافته¬ای دارند فراهم می¬کند.
ANN