مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

727
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

588
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

پیش بینی فعالیت ضدسرطانی مشتقات 1و8-نفتیریدین توسط روش الگوریتم ژنتیک-رگرسیون خطی چندگانه

صفحات

 صفحه شروع 181 | صفحه پایان 194

چکیده

 سابقه و هدف: این مطالعه به مقایسه مدل سازی QSAR فعالیت ضد سرطانی ترکیبات 1و4-دی هیدرو-4-اکسو-1-(2-تیازولیل)-1و8-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 100 ترکیب با فعالیت ضد سرطانی مشخص از مقاله معتبر بین المللی انتخاب شد و روش میدان نیروی آلینجر MM2 برای کمینه کردن انرژی مولکول ها استفاده شد. ساختار هندسی مولکول ها 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 مرحله ای استفاده شد. برای مدل-سازی ابتدا نمونه برداری تصادفی دسته آموزش (80 درصد از داده ها) 20 بار به صورت تصادفی صورت گرفته و مولکول های باقیمانده (20 درصد باقیمانده از داده ها) به عنوان دسته پیشگویی برای اعتبارسنجی خارجی استفاده شدند. در میان نمونه های تصادفی, یکی از نمونه ها 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. یافته ها: مدل هایQSAR به دست آمده با GA-MLR مجذور ضریب همبستگی اعتبارسنجی بزرگتری نسبت به روشS-MLR داشتند. نتیجه گیری: نتایج این مقایسه نشان می دهد که می توان با استفاده از مدل حاصل, فعالیت ترکیبات ضد سرطانی مشابه را پیشگویی کرد.

استنادها

  • ثبت نشده است.
  • ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    احمدی، شهین، خانی، روح اله، و مقدس، مریم. (1397). پیش بینی فعالیت ضدسرطانی مشتقات 1و8-نفتیریدین توسط روش الگوریتم ژنتیک-رگرسیون خطی چندگانه. علوم پزشکی دانشگاه آزاد اسلامی، 28(3 )، 181-194. SID. https://sid.ir/paper/98701/fa

    Vancouver: کپی

    احمدی شهین، خانی روح اله، مقدس مریم. پیش بینی فعالیت ضدسرطانی مشتقات 1و8-نفتیریدین توسط روش الگوریتم ژنتیک-رگرسیون خطی چندگانه. علوم پزشکی دانشگاه آزاد اسلامی[Internet]. 1397؛28(3 ):181-194. Available from: https://sid.ir/paper/98701/fa

    IEEE: کپی

    شهین احمدی، روح اله خانی، و مریم مقدس، “پیش بینی فعالیت ضدسرطانی مشتقات 1و8-نفتیریدین توسط روش الگوریتم ژنتیک-رگرسیون خطی چندگانه،” علوم پزشکی دانشگاه آزاد اسلامی، vol. 28، no. 3 ، pp. 181–194، 1397، [Online]. Available: https://sid.ir/paper/98701/fa

    مقالات مرتبط نشریه ای

    مقالات مرتبط همایشی

  • ثبت نشده است.
  • طرح های مرتبط

  • ثبت نشده است.
  • کارگاه های پیشنهادی






    بازگشت به بالا