مدلسازی طول موج ماکزیمم جذب رنگهای آزو توسط الگوریتم مورچه و فعالیت داروئی مشتقات کاپساسین با استفاده از ماشین بردار پشتیبان

مشتقات رنگ های آزو سنتزی تهیه می شوند که دارای گروه عاملی n=n می باشند و کاربرد اصلی آنها در صنایع غذائی و نساجی است. قسمت آروماتیکی تعیین کننده رنگ است. در این کار از الگوریتم کلونی مورچه و مدل رگرسیون خطی جهت پیشگویی ?max یک سری30- تایی از مشتقات رنگ های آزو استفاده شده است. در ابتدا پس از بهینه سازی ساختار مولکولی توسط نرم افزار hyper chem، در مجموع 1521 توصیف کننده به وسیله نرم افزارهای hyper chem و dragon محاسبه گردید. توصیف کننده ها به عنوان ورودی به برنامه الگوریتم مورچه داده شدند. به منظور به دست آوردن بهترین نتیجه با درصد خطای پایین و توصیف کننده های مناسب، برنامه الگوریتم مورچه را چند بار اجرا کرده و در اجراهای مختلف پارامترهای آن از جمله تعداد مورچه های اولیه، پارامتر تبخیر و تعداد دورها بهینه شدند. 5 توصیف کننده که بالاترین همبستگی را با ?max رنگ های آزو داشتند، توسط الگوریتم مورچه انتخاب شدند. از این توصیف کننده های انتخاب شده، برای ساختن مدل خطی مناسب جهت پیشگویی ?max ترکیبات مورد نظر استفاده شد. این روش نتایج خوبی را در هر دو سری آموزش (9346/0=2r) و پیشگویی (8419/0=2r) فراهم آورد. با توجه به موارد ذکر شده، معلوم گردید الگوریتم مورچه طراحی شده روشی مناسب جهت انتخاب توصیف کننده ها برای مدل سازی و پیشگویی?max مشتقات رنگ های آزو می باشد. کاپساسین ماده داروئی است که از فلفل قرمز استخراج می شود و مصارف داروئی ازجمله درمان انواع سرطان، آرتروز، رماتیسم مفصلی، زخم معده دارد. با استفاده ازروش های آموزش آماری ماشین یک رابطه کمی ساختار- فعالیت برای کاپساسین برقرار شده است .99 مولکول کاپساسین مطابق روش قسمت اول رسم شد و 1206 توصیف کننده محاسبه گردید. برای کاهش تعداد توصیف کننده ها ابتدا از روش های pca، ica و fuzzy clustering استفاده کردیم که صحت از حدود 62-61% بالاتر نرفت. در رهیافت دیگری از تئوری اطلاعات و معیار" بیشترین ارتباط، کمترین تقلیل پذیری" استفاده شد و پس از بهینه سازی توصیف کننده ها 100 توصیف کننده انتخاب شد. در مرحله بعد مجموع توصیف کننده ها با استفاده از الگوریتم wrapper بهینه سازی شد که مجموعا 13 توصیف کننده انتخاب شد و صحت برای طبقه بندی به پنج دسته فعالیت بسیار ضعیف ، ضعیف، متوسط ، خوب و فعالیت عالی84% بدست آمد.در کارهای قبلی ]72[ تنها با تقسیم مولکول به سه قسمت و طبقه بندی به فعال و غیر فعال، صحت نزدیک به 80% آمده بود. اما در کار حاضر بدون تقسیم بندی مولکولی و با تکیه به روش های محاسباتی صحتی بالاتر از کارهای سابق به دست آمد که نشانگر مناسب بودن و برتری روش های تئوری اطلاعات و svm بر روش های قدیمی تر می باشد.