نمایش مختصر رکورد

پیش بینی فعالیت ضدسرطانی مشتقات ۱و۸- نفتیریدین توسط روش الگوریتم ژنتیک-رگرسیون خطی چندگانه

dc.contributor.authorاحمدی, شهینfa_IR
dc.contributor.authorخانی, روح اللهfa_IR
dc.contributor.authorمقدس, مریمfa_IR
dc.date.accessioned1399-08-21T23:22:21Zfa_IR
dc.date.accessioned2020-11-11T23:22:21Z
dc.date.available1399-08-21T23:22:21Zfa_IR
dc.date.available2020-11-11T23:22:21Z
dc.date.issued2018-09-01en_US
dc.date.issued1397-06-10fa_IR
dc.identifier.citationاحمدی, شهین, خانی, روح الله, مقدس, مریم. (1397). پیش بینی فعالیت ضدسرطانی مشتقات ۱و۸- نفتیریدین توسط روش الگوریتم ژنتیک-رگرسیون خطی چندگانه. فصلنامه علوم پزشکی, 28(3), 181-194. doi: 10.29252/iau.28.3.181fa_IR
dc.identifier.issn1023-5922
dc.identifier.issn2008-3386
dc.identifier.urihttps://dx.doi.org/10.29252/iau.28.3.181
dc.identifier.urihttp://tmuj.iautmu.ac.ir/article-1-1440-fa.html
dc.identifier.urihttps://iranjournals.nlai.ir/handle/123456789/493468
dc.description.abstractسابقه و هدف: این مطالعه به مقایسه مدل سازی QSAR فعالیت ضد سرطانی ترکیبات ۱و۴-دی هیدرو-۴-اکسو-۱-(۲-تیازولیل)-۱و۸-نفتیریدین و مشتقات آن با روش رگرسیون خطی چندگانه مرحله ای (S-MLR ) و روش الگوریتم ژنتیک-رگرسیون خطی چندگانه (GA-MLR) پرداخت. روش بررسی: مجموعه ای از ۱۰۰ ترکیب با فعالیت ضد سرطانی مشخص از مقاله معتبر بین المللی انتخاب شد و روش میدان نیروی آلینجر MM2 برای کمینه کردن انرژی مولکول­ها استفاده شد. ساختار هندسی مولکول­ها از طریق روش کوانتوم نیمه تجربی روش آوستین با استفاده از الگوریتم پلاک-ریبایر (Polak-Ribiere) با استفاده از نرم افزار موپک بهینه سازی شدند. تعداد زیادی از توصیفگرهای تئوری برای هر مولکول با استفاده از نرم افزار دراگون محاسبه شد. به منظور انتخاب بهترین دسته از توصیفگرها برای مدل سازی QSAR از دو روش انتخاب متغیر ترکیب الگوریتم ژنتیک-رگرسیون خطی چندگانه و رگرسیون خطی چندگانه مرحله­ای استفاده شد. برای مدل­سازی ابتدا نمونه برداری تصادفی دسته آموزش (۸۰ درصد از داده­ها) ۲۰ بار به صورت تصادفی صورت گرفته و مولکول­های باقیمانده (۲۰ درصد باقیمانده از داده­ها) به عنوان دسته پیشگویی برای اعتبارسنجی خارجی استفاده شدند. در میان نمونه­های تصادفی، یکی از نمونه­ها با بالاترین Q2CV، Q2cal و Q2test به عنوان بهترین دسته یادگیری و آموزش انتخاب شد. با استفاده از این دسته یادگیری هر بار مدل به دو روش S-MLR و GA-MLR ایجاد شد. یافته­ها: مدل­هایQSAR  به دست آمده  با GA-MLR مجذور ضریب همبستگی اعتبارسنجی بزرگتری نسبت به روشS-MLR  داشتند. نتیجه­ گیری: نتایج این مقایسه نشان می­دهد که  می­توان با استفاده از مدل حاصل، فعالیت ترکیبات ضد سرطانی مشابه را پیشگویی کرد. واژگان کلیدی: مدل­سازی  QSAR، فعالیت ضدسرطان، انتخاب متغیر، GA-MLR، Stepwise-MLR.fa_IR
dc.format.extent473
dc.format.mimetypeapplication/pdf
dc.languageفارسی
dc.language.isofa_IR
dc.publisherدانشگاه آزاد اسلامی واحد پزشکی تهرانfa_IR
dc.relation.ispartofفصلنامه علوم پزشکیfa_IR
dc.relation.ispartofMEDICAL SCIENCES JOURNALen_US
dc.relation.isversionofhttps://dx.doi.org/10.29252/iau.28.3.181
dc.subjectمدل­سازی QSARfa_IR
dc.subjectفعالیت ضدسرطانfa_IR
dc.subjectانتخاب متغیرfa_IR
dc.subjectGA-MLRfa_IR
dc.subjectStepwise-MLRfa_IR
dc.subjectشیمیfa_IR
dc.titleپیش بینی فعالیت ضدسرطانی مشتقات ۱و۸- نفتیریدین توسط روش الگوریتم ژنتیک-رگرسیون خطی چندگانهfa_IR
dc.typeTexten_US
dc.typeتحليلي/مقطعي/توصيفيfa_IR
dc.contributor.departmentدانشگاه گروه شیمی، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایرانfa_IR
dc.contributor.departmentگروه شیمی دارویی، علوم پزشکی تهران ، دانشگاه آزاداسلامی، تهران، ایرانfa_IR
dc.contributor.departmentگروه شیمی، واحد صفادشت، دانشگاه آزاد اسلامی، صفادشت، ایرانfa_IR
dc.citation.volume28
dc.citation.issue3
dc.citation.spage181
dc.citation.epage194


فایل‌های این مورد

Thumbnail
نام:
D232C9C12F34F23B7A333C9D6FFB0D ...
اندازه:
474.1کیلوبایت
قالب:
PDF
توصیف:
FullText
دریافت مدرک

این مورد در مجموعه‌های زیر وجود دارد:

نمایش مختصر رکورد