كاربرد الگوريتم ژنتيك به همراه رگرسيون خطي چند گانه براي پيش بيني فعاليت دارويي مشتقات پيرازول ها

Application of genetic algorithm with multiple linear regressions for prediction of medicinal activity pyrazole derivatives

مطالعه ارتباط كمي ساختار- فعاليت براي پيش بيني فعاليت دارويي مشتقات پيرازول ها، با استفاده از توصيف كننده هاي ساختاري و روش رگرسيون خطي چند گانه توسعه داده شده است. توصيف كننده هاي مولكولي با استفاده از الگوريتم ژنتيك انتخاب شدند. سپس يك مدل ساده، قوي، قابل تفسير و با خطاي كم و ضريب همبستگي بالا ساخته شد. نتايج نشان مي دهد كه تكنيك هاي خطي مانند رگرسيون خطي چند گانه كه با يك روش انتخاب متغير مناسب كوپل شده باشد، قادر است مدلهاي مناسبي براي پيش بيني فعاليت دارويي تركيبات ارايه نمايد. مدل ارايه شده پارامترهاي آماري بالايي را نشان داد كه مي تواند جهت پيش بيني فعاليت دارويي تركيبات مشابه مورد استفاده قرار گيرد

Quantitative structure-activity relationship (QSAR) study for prediction of medicinal activity of pyrazole derivatives is developed using structural descriptors and multiple linear regression (MLR) method. Molecular descriptors are selected by genetic algorithm. Then a simple, strong, descriptive and interpretable model with low error and high correlation coefficient is construct. The results illustrated that the linear techniques such as MLR combined with a successful variable selection procedure are capable to generate an efficient QSAR model for predicting the activity of different compounds. This model was used for the prediction of activity values of some medicinal compounds which were not used in the modeling procedure.