کاربرد رگرسیون خطی چندگانه و شبکه های عصبی مصنوعی جهت مطالعه ارتباط کمی ساختار-فعالیت دسته ایی از مشتقات کموکین ها

شیمی کوانتومی و اسپکتروسکوپی

دوره 12، شماره 40، اسفند 1401، صفحه 91-74   

نوع مقاله: مقاله پژوهشی

نویسندگان

مهدی نکوئی^{* 1}؛ محمدرضا کیانسب²؛ مجید محمدحسینی³؛ بهنام مهدوی⁴؛ تهمینه باهری⁵

¹دانشگاه آزاد اسلامی واحد شاهرود

²دانشگاه آزاد اسلامی شاهرود

³دانشگاه آزاد شاهرود

⁴دانشگاه حکیم سبزواری

⁵دانشگاه نیروی انتظامی

چکیده

مطالعه ارتباط کمی ساختار-فعالیت (QSAR) جهت پیش بینی فعالیت دارویی برخی از مشتقات کموکین ها با استفاده از رگرسیون خطی چندگانه و شبکه های عصبی مصنوعی (ANN) انجام شد. در ابتدا ساختار ترکیبات دارویی به کمک نرم افزار هایپرکم رسم و بهینه گردیدند. سپس دسته وسیعی از توصیف کننده‌های مولکولی توسط نرم افزار دراگون محاسبه شدند. بعد از کاهش تعدادی از توصیف کننده ها که همبستگی بالای9/0 داشتند و توصیف کننده هایی که بیش از 90% آنها مشابه بود از رگرسیون مرحله ایی برای بدست آوردن بهترین توصیف کننده‌ها که بیشترین ارتباط را با فعالیت دارویی ترکیبات مورد نظر داشتند استفاده گردید. با این کار تعداد 7 توصیف کننده شامل MATS2p، PCWTe، RDF045m، RDF065m، RDF115m، C-003 و C-040 انتخاب شدند سپس از روشهای رگرسیون خطی چند‌گانه (MLR) و شبکه های عصبی مصنوعی (ANN) برای مدلسازی و پیش بینی فعالیت ترکیبات سری تست استفاده گردید. نتایج بدست آمده نشان می دهد که هر دو روش نتایج قابل قبولی ارایه می دهند که می توان از آنها برای پیش بینی ترکیبات دارویی جدید استفاده کرد.

کلیدواژه‌ها

ارتباط کمی ساختار- فعالیت؛ مشتقات کموکین ها؛ رگرسیون خطی چند گانه؛ شبکه های عصبی مصنوعی

مراجع