پیش بینی فعالیت ضد سرطانی یک سری از ترکیبات کورکومین

هدف اصلی از پروژه حاضر کاوش اطلاعات از مشتقات کورکومین با استفاده از مدل های qsar است. این مدل سازی ها در جستجوی ترکیبات ضد سرطان قوی بر روی رده های سلولی سرطان انسانی، pc-3، panc-1 و ht-29 ایجاد می شود. مدل سازی فعالیت ضد سرطان این ترکیبات به صورت تئوری به عنوان تابعی از توصیف کننده های مولکولی مختلف به وسیله روش های خطی و غیرخطی انجام شد. مدل سازی qsar با استفاده از انواع مختلفی از توصیف کننده هایی که توسط نرم افزارهای دراگون و هایپرکم محاسبه شدند و همچنین نتایجی که از طیف های 13c-nmr مولکول ها بدست آمد، انجام شد. ابتدا مدل سازی برای هر کدام از رده های سلولی با استفاده از رگرسیون خطی چندگانه (mlr)، حداقل مربعات جزئی (pls) و رگرسیون اجزای اصلی (pcr) به عنوان روش های خطی با استفاده از توصیف کننده ها انجام شد. توصیف کننده های انتخاب شده در مدل های mlr مربوط به هر سه رده ی سلولی pc-3، panc-1 و ht-29 شامل belv1، gnn، rdf055m، mor23m و جابجایی شیمیایی 13c-nmr مربوط به کربن کربونیل مولکول می باشند. سپس شبکه عصبی مصنوعی لونبرگ مارکواردت (ann-lm) که یک روش غیرخطی است، با استفاده از توصیف کننده های وارد شده در مدل mlr برای رده های سلولی pc-3، panc-1 و ht-29 طراحی شد. شبکه های عصبی مصنوعی طراحی شده برای هر سه رده ی سلولی pc-3، panc-1 و ht-29 ساختار [1×3×5] دارند. در نهایت نتایج به دست آمده از مدل های مختلف مورد مقایسه قرار گرفتند، بررسی ها نشان داد که شبکه ی عصبی مصنوعی ann-lm بهترین نتایج را برای پیش بینی فعالیت ضد سرطان ارائه می دهد