مدل سازی دمای خوداشتعالی ترکیبات آلی و فعالیت مهارکننده های سیکلواکسیژناز با استفاده از شبکه عصبی
Abstract(in Persian; no English abstract is available)
یک مطالعه رابطه ساختار- خاصیت برای پیش بینی دمای خوداشتعالی ترکیبات آلی پیشهاد شد. انواع توصیف کننده های مولکولی محاسبه شدند. روش رگرسیون مرحله ای برای انتخاب زیرگروه بهینه توصیف کننده هایی که مشارکت معناداری در خصوصیت دمای خوداشتعالی دارند، بکار برده شد. شبکه عصبی مصنوعی برای مدل کردن رابطه کمی موجود میان این توصیف کننده های انتخاب شده و خصوصیت دمای خود اشتعالی بکار برده شد. مدل نتیجه شده قدرت پیشگویی بالایی را با میانگین درصد خطای نسبی 91/8 و مجذور میانگین مربع خطای 55/37 برای دسته ارزیابی را نشان می دهد، که در محدوده خطاهای تجربی اندازه گیری دمای خوداشتعالی می باشد. و برای ارزیابی بیشتر روش پیشنهادی با روش خطی مورد مقایسه قرار گرفت. نتایج برتری روش غیرخطی پیشنهادی را نشان می دهند. در ادامه شبکه عصبی در مطالعه ساختار- فعالیت برای پیشگویی فعالیت مهارکننده های سیکلواکسیژناز-2 مورد استفاده قرار گرفت. مشتقات یک مهارکننده اختصاصی سیکلواکسیژناز-2 برای مطالعه انتخاب شدند. علاوه بر توصیف کننده های محاسبه شده با نرم افزار دراگون، چهار توصیف کننده تجربی جمع آوری شده از مراجع در مرحله انتخاب زیر گروه بهینه توصیف کننده ها مورد استفاده قرار گرفته است. رگرسیون مرحله ای برای انتخاب زیرگروه بهینه توصیف کننده هایی که مشارکت معناداری در خصوصیت دمای خوداشتعالی دارند، بکار برده شد. میانگین درصد خطای نسبی 47/2 و مجذور میانگین مربع خطا 19/0 برای دسته ارزیابی نتیجه شده است. نهایتا قدرت پیشگویی روش با روش خطی مقایسه شد.