این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
شیمی و مهندسی شیمی ایران، جلد ۳۷، شماره ۲، صفحات ۱۳۷-۱۴۸
عنوان فارسی مطالعه ارتباط کمّی ساختار- فعالیت برای پیش بینی فعالیت مهارکنندگی PIM مشتق‌های تری آزولوپیریدین با استفاده از الگوریتم ژنتیک ـ برازش خطی چندگانه
چکیده فارسی مقاله مطالعه ارتباط کمی ساختار ـ فعالیت (QSAR) برای مد­ل­ سازی و پیش­ بینی فعالیت مهارکنندگی PIM،39 ترکیب از مشتق­ های تری آزولوپیریدین به کار گرفته شد. نخست پس از رسم و بهینه سازی ساختار ترکیب­ ها و محاسبه توصیف کننده ­ها، مجموعه داده ­ها به­ صورت تصادفی به دو مجموعه آموزش و آزمون تقسیم شد. در انتخاب مهم­ترین توصیف کننده­ ها روش گام به گام (SW) و الگوریتم ژنتیک (GA) استفاده شد. سپس برای مد ل­سازی و پیش­ بینی فعالیت های ترکیب ­ها از روش برازش خطی چندگانه (MLR) استفاده شد. مقایسه مدل­ های SW-MLRو GA-MLR نشان داد که GA-MLR نسبت به SW-MLRنتیجه­ های بهتری به­ دست می­ دهد. سپس برای بررسی اعتبار مدل ­ها از روش ­های اعتبارسنجی تقاطعی (LOO) و (LGO)، Y- تصادفی و آزمون خارجی استفاده شد. این مطالعه نشان داد که مدل GA-MLRبا پنج توصیف کننده می­ تواند برای پیش ­بینی فعالیت ترکیب­ های دارویی همانندبه کار رود و همچنین از تحلیل توصیف کننده­ های مدل می­ توان در طراحی ترکیب ­های دارویی نوین استفاده کرد.
کلیدواژه‌های فارسی مقاله ارتباط کمی ساختار ـ فعالیت، الگوریتم ژنتیک، برازش خطی چندگانه، مهارکننده‌های PIM، مشتق های تری آزولوپیریدین،
عنوان انگلیسی مطالعه ارتباط کمّی ساختار- فعالیت برای پیش بینی فعالیت مهارکنندگی PIM مشتق‌های تری آزولوپیریدین با استفاده از الگوریتم ژنتیک ـ برازش خطی چندگانه
چکیده انگلیسی مقاله مطالعه ارتباط کمی ساختار ـ فعالیت (QSAR) برای مد­ل­ سازی و پیش­ بینی فعالیت مهارکنندگی PIM،39 ترکیب از مشتق­ های تری آزولوپیریدین به کار گرفته شد. نخست پس از رسم و بهینه سازی ساختار ترکیب­ ها و محاسبه توصیف کننده ­ها، مجموعه داده ­ها به­ صورت تصادفی به دو مجموعه آموزش و آزمون تقسیم شد. در انتخاب مهم­ترین توصیف کننده­ ها روش گام به گام (SW) و الگوریتم ژنتیک (GA) استفاده شد. سپس برای مد ل­سازی و پیش­ بینی فعالیت های ترکیب ­ها از روش برازش خطی چندگانه (MLR) استفاده شد. مقایسه مدل­ های SW-MLRو GA-MLR نشان داد که GA-MLR نسبت به SW-MLRنتیجه­ های بهتری به­ دست می­ دهد. سپس برای بررسی اعتبار مدل ­ها از روش ­های اعتبارسنجی تقاطعی (LOO) و (LGO)، Y- تصادفی و آزمون خارجی استفاده شد. این مطالعه نشان داد که مدل GA-MLRبا پنج توصیف کننده می­ تواند برای پیش ­بینی فعالیت ترکیب­ های دارویی همانندبه کار رود و همچنین از تحلیل توصیف کننده­ های مدل می­ توان در طراحی ترکیب ­های دارویی نوین استفاده کرد.
کلیدواژه‌های انگلیسی مقاله ارتباط کمی ساختار ـ فعالیت, الگوریتم ژنتیک, برازش خطی چندگانه, مهارکننده‌های PIM, مشتق های تری آزولوپیریدین
نویسندگان مقاله اسلام پوربشیر |
گروه شیمی، دانشگاه پیام نور، تهران، ایران

ژیلا مهاجری اول |
گروه شیمی، دانشگاه پیام نور، تهران، ایران

مهدی نکوئی |
گروه شیمی، دانشگاه آزاد اسلامی، واحد شاهرود، شاهرود، ایران

سمیه حمیدوند |
گروه شیمی، دانشگاه پیام نور، تهران، ایران

نشانی اینترنتی http://www.nsmsi.ir/article_29041_3ad0bdc958daaa5e6d16ac7c3b6129b4.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/931/article-931-1543125.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات