روش های خطی و غیرخطی ارتباط کمی ساختار- فعالیت جهت پیش بینی فعالیت دارویی برخی از مشتقات آمینواسیدها
Abstract
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 رگرسیون خطی چندگانه (mlr) و شبکه ی عصبی مصنوعی (ann) استفاده شد. سری های آموزش و آزمون جهت ساخت مدل و ارزیابی قدرت پیش بینی روش های mlr و ann به ترتیب شامل 30 و 8 ترکیب بودند. افزون بر آن، از روش های متفاوت جهت ارزیابی مدل ها استفاده شد. نتیجه ها حاکی از آن است که روش غیرخطی شبکه ی عصبی مصنوعی در مجموع دارای توانمندی پیش بینی مناسب تر در مقایسه با روش mlr است. شاخص های آماری مرتبط با مدل مبتنی بر شبکه ی عصبی مصنوعی دلالت بر این حقیقت دارد که مدل ارایه شده می تواند جهت پیش بینی فعالیت دارویی ترکیب های مشابه مورد استفاده قرار گیرد.