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

نوع مقاله : مقاله پژوهشی

نویسندگان

• مهدی نکوئی ¹
• محمدرضا کیانسب ²
• مجید محمدحسینی ³
• بهنام مهدوی ⁴
• تهمینه باهری ⁵

¹ دانشگاه آزاد اسلامی واحد شاهرود

² دانشگاه آزاد اسلامی شاهرود

³ دانشگاه آزاد شاهرود

⁴ دانشگاه حکیم سبزواری

⁵ دانشگاه 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

---