عنوان مقاله :
پيش بيني فعاليت آنتي HIV يكسري از مشتقات PETT به عنوان بازدارند ه هاي غيرنوكلئوزيدي آنزيم نسخه بردار معكوس با استفاده از مدلهاي QSAR خطي و غيرخطي
عنوان به زبان ديگر :
Prediction of the anti-HIV activities of PETT analogs as non-nucleoside HIV-1 reverse transcriptase inhibitors by linear and non-linear QSAR models
پديد آورندگان :
Arab Chamjangali, Mansour College of Chemistry - Shahrood University of Technology, Shahrood, Iran , Bagherian, Ghadamali College of Chemistry - Shahrood University of Technology, Shahrood, Iran , Ashrafi, Motahhareh College of Chemistry - Shahrood University of Technology, Shahrood, Iran , Amin, Amir Hossein College of Chemistry - Shahrood University of Technology, Shahrood, Iran
كليدواژه :
الگوريتم تنظيم بايزين , آنتي HIV- , تيواوره , بازدارنده , شبكه عصبي مصنوعي(ANN)
چكيده فارسي :
به منظور پيش بيني فعاليت آنتي HIV يكسري از مشتقات فنتيل تيازوليل تيواوره (PEET)، مدلهاي ارتباط كمي ساختار- فعاليت (QSAR) با استفاده از توصيفگرهاي محاسبه شده، ساخته شد. روش رگرسيون مرحله اي جهت كاهش تعداد توصيفگرهاي (متغييرها) محاسبه شده توسط دراگون به گار گرفته شد. متغييرهاي انتخاب شده سپس به عنوان ورودي براي توليد مدلهاي QSAR با استفاده از رگرسيون خطي خطي چندگانه(MLR) و شبكه عصبي مصنوعي(ANN)قرار گرفت. مطالعه ارزيابي مدلهاي MLR و ANN با استفاده از سري تست و تكنيك رد مرحله اي انجام گرديد. نتايج به دست آمده براي سري تست با استفاده از MLR و ANN مقدار ضريب تعيين(R2) به ترتيب برابر با 0/766 و 0/913 را نشان داد.
چكيده لاتين :
Quantitative structure-activity relationship (QSAR) models were constructed in order to predict the anti-HIV activity of a set of phenethyl thiazole thiourea (PETT) analogs by calculated descriptors. Molecular descriptors calculated by Dragon software were subjected to variable reduction using the stepwise regression. The variables were then used as inputs for QSAR model generation using multiple linear regression (MLR) and artificial neural network (ANN). Validation study of the MLR and ANN models was performed using the test set and leave-one-out techniques. The results obtained for prediction of the test set by the MLR and ANN models showed squared correlation coefficients of 0.766 and 0.913, respectively.
عنوان نشريه :
شيمي كاربردي
عنوان نشريه :
شيمي كاربردي
