TY - JOUR ID - 29041 TI - مطالعه ارتباط کمّی ساختار- فعالیت برای پیش بینی فعالیت مهارکنندگی PIM مشتق‌های تری آزولوپیریدین با استفاده از الگوریتم ژنتیک ـ برازش خطی چندگانه JO - نشریه شیمی و مهندسی شیمی ایران JA - NSMSI LA - fa SN - 1022-7768 AU - پوربشیر, اسلام AU - مهاجری اول, ژیلا AU - نکوئی, مهدی AU - حمیدوند, سمیه AD - گروه شیمی، دانشگاه پیام نور، تهران، ایران AD - گروه شیمی، دانشگاه آزاد اسلامی، واحد شاهرود، شاهرود، ایران Y1 - 2018 PY - 2018 VL - 37 IS - 2 SP - 137 EP - 148 KW - ارتباط کمی ساختار ـ فعالیت KW - الگوریتم ژنتیک KW - برازش خطی چندگانه KW - مهارکننده‌های PIM KW - مشتق های تری آزولوپیریدین DO - N2 - 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) و الگوریتم ژنتیک (GA) استفاده شد. سپس برای مدل­ سازی و پیش­ بینی فعالیت های ترکیب ­ها از روش برازش خطی چندگانه (MLR) استفاده شد. مقایسه مدل­ های SW-MLRو GA-MLR نشان داد که GA-MLR نسبت به SW-MLR نتیجه­ های بهتری به­ دست می­ دهد. سپس برای بررسی اعتبار مدل ­ها از روش ­های اعتبارسنجی تقاطعی (LOO) و (LGO)، Y- تصادفی و آزمون خارجی استفاده شد. این مطالعه نشان داد که مدل GA-MLR با پنج توصیف کننده می­ تواند برای پیش ­بینی فعالیت ترکیب­ های دارویی همانند به کار رود و همچنین از تحلیل توصیف کننده­ های مدل می­ توان در طراحی ترکیب ­های دارویی نوین استفاده کرد. UR - https://www.nsmsi.ir/article_29041.html L1 - https://www.nsmsi.ir/article_29041_3ad0bdc958daaa5e6d16ac7c3b6129b4.pdf ER -