کاربرد الگوریتم ژنتیک به همراه رگرسیون خطی چند گانه برای پیش بینی فعالیت دارویی مشتقات پیرازول ها
نویسندگان
چکیده
مطالعه ارتباط کمی ساختار- فعالیت برای پیش بینی فعالیت دارویی مشتقات پیرازول ها، با استفاده از توصیف کننده های ساختاری و روش رگرسیون خطی چند گانه توسعه داده شده است. توصیف کننده های مولکولی با استفاده از الگوریتم ژنتیک انتخاب شدند. سپس یک مدل ساده، قوی، قابل تفسیر و با خطای کم و ضریب همبستگی بالا ساخته شد. نتایج نشان می دهد که تکنیک های خطی مانند رگرسیون خطی چند گانه که با یک روش انتخاب متغیر مناسب کوپل شده باشد، قادر است مدلهای مناسبی برای پیش بینی فعالیت دارویی ترکیبات ارائه نماید. مدل ارائه شده پارامترهای آماری بالایی را نشان داد که می تواند جهت پیش بینی فعالیت دارویی ترکیبات مشابه مورد استفاده قرار گیرد.
منابع مشابه
پیش بینی فعالیت ضدسرطانی مشتقات ۱و۸- نفتیریدین توسط روش الگوریتم ژنتیک-رگرسیون خطی چندگانه
سابقه 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 استف...
متن کاملارائه یک الگوریتم فرا ابتکاری چند هدفه فازی سیمپلکس- ژنتیک برای پیش بینی رتبه اعتباری مشتریان بانک ها
This study examines a multi-objective fuzzy simplex-genetic algorithm which was developed to predict bank legal customers financial performance. Prediction performance of the model was examined based on its ability to accurately identify credit default. Using available data from KESHVARZI bank over 2001-2006, debt ratio, operational ratio, and return on equity are selected as descriptive vari...
متن کاملکاربرد قواعد کشفی و الگوریتم ژنتیک در ساخت مدل ARMA برای پیش بینی سری زمانی
برای پیشبینی سری زمانی ابتدا باید مدل مناسبی از آن ساخته شود. تعیین ابعاد و تخمین پارامترهای مناسب برای مدل ARMA سری زمانی، چالشی است که علاوه بر روشهای متداول آماری، از طریق محاسبات هوشمند نیز به آن توجه شده است. در این مقاله استفاده از الگوریتم ژنتیک برای تخمین پارامترهای مدل ARMA و قواعد کشفی برای تعیین ابعاد مدل ارائه میشود. قواعد کشفی براساس ویژگیهای سری زمانی استخراج میشوند. داده...
متن کاملمطالعه ارتباط کمّی ساختار- فعالیت برای پیش بینی فعالیت مهارکنندگی PIM مشتقهای تری آزولوپیریدین با استفاده از الگوریتم ژنتیک ـ برازش خطی چندگانه
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)<e...
متن کاملروش های خطی و غیرخطی ارتباط کمی ساختار- فعالیت جهت پیش بینی فعالیت دارویی برخی از مشتقات آمینواسیدها
این پژوهش به پیش بینی فعالیت دارویی 38 مشتق آمینواسید به عنوان بازدارنده های هیستون دی استیلاز (hdac) جهت درمان سرطان و برخی از بیماری ها اختصاص دارد. آنزیم های hdac موجب تسریع روند حذف گروه های استیل از باقیمانده های لیزین از پروتیین های شامل هیستون (histone) می شوند. پس از محاسبه ی توصیف کننده های مولکولی مستقل، با استفاده از روش مرحله ای انتخاب متغیر و گزینش 4 توصیف کننده، جهت مدل سازی از رگ...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
عنوان ژورنال:
شیمی کاربردیجلد ۶، شماره ۲۱، صفحات ۳۵-۴۴
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023