روش‌های خطی و غیرخطی ارتباط کمی‌ساختار- فعالیت جهت پیش‌بینی فعالیت دارویی برخی از مشتقات آمینواسیدها

این پژوهش به پیش‌بینی فعالیت دارویی 38 مشتق آمینواسید به عنوان بازدارنده‌های هیستون دی استیلاز (HDAC) جهت درمان سرطان و برخی از بیماری‌ها اختصاص دارد. آنزیم‌های HDAC موجب تسریع روند حذف گروه‌های استیل از باقیمانده‌های لیزین از پروتیین‌های شامل هیستون (Histone) می‌شوند. پس از محاسبه‌ی توصیف‌کننده‌های مولکولی مستقل، با استفاده از روش مرحله‌ای انتخاب متغیر و گزینش 4 توصیف‌کننده، جهت مدل‌سازی از رگرسیون خطی چندگانه (MLR) و شبکه‌ی عصبی مصنوعی (ANN) استفاده شد. سری‌های آموزش و آزمون جهت ساخت مدل و ارزیابی قدرت پیش‌بینی روش‌های MLR و ANN به ترتیب شامل 30 و 8 ترکیب بودند. افزون‌بر آن، از روش‌های متفاوت جهت ارزیابی مدل‌ها استفاده شد. نتیجه‌ها حاکی از آن است که روش غیرخطی شبکه‌ی عصبی مصنوعی در مجموع دارای توانمندی پیش‌بینی مناسب‌تر در مقایسه با روش ‌MLR است. شاخص‌های آماری مرتبط با مدل مبتنی بر شبکه‌ی عصبی مصنوعی دلالت بر این حقیقت دارد که مدل ارایه شده می‌تواند جهت پیش‌بینی فعالیت دارویی ترکیب‌های مشابه مورد استفاده قرار گیرد.