پيش بيني فعاليت ضدسرطاني مشتقات ۱و۸- نفتيريدين توسط روش الگوريتم ژنتيك-رگرسيون خطي چندگانه

سابقه و هدف: اين مطالعه به مقايسه مدل سازي QSAR فعاليت ضد سرطاني تركيبات ۱و ۴-دي هيدرو-۴-اكسو-۱-(-۲-تيازوليل)-۱و۸-نفتيريدين و مشتقات آن با روش رگرسيون خطي چندگانه مرحله اي (SMLR ) و روش الگوريتم ژنتيكرگرسيون خطي چندگانه (GA-MLR) پرداخت. روش بررسي: مجموعه اي از ۱۰۰ تركيب با فعاليت ضد سرطاني مشخص از مقاله معتبر بين المللي انتخاب شد و روش ميدان نيروي آلينجر MM2 براي كمينه كردن انرژي مولكول ها استفاده شد. ساختار هندسي مولكول ها از طريق روش كوانتوم نيمه تجربي روش آوستين با استفاده از الگوريتم پلاكريباير (Polak-Ribiere) با استفاده از نرم افزار موپك بهينه سازي شدند. تعداد زيادي از توصيفگرهاي تئوري براي هر مولكول با استفاده از نرم افزار دراگون محاسبه شد. به منظور انتخاب بهترين دسته از توصيفگرها براي مدل سازي QSAR از دو روش انتخاب متغير تركيب الگوريتم ژنتيكرگرسيون خطي چندگانه و رگرسيون خطي چندگانه مرحله اي استفاده شد. براي مدل سازي ابتدا نمونه برداري تصادفي دسته آموزش (۸۰ درصد از داده ها) ۲۰ بار به صورت تصادفي صورت گرفته و مولكول هاي باقيمانده (۲۰ درصد باقيمانده از داده ها) به عنوان دسته پيشگويي براي اعتبارسنجي خارجي استفاده شدند. در ميان نمونه هاي تصادفي، يكي از نمونه ها با بالاترين Q2CV، Q2cal و Q2test به عنوان بهترين دسته يادگيري و آموزش انتخاب شد. با استفاده از اين دسته يادگيري هر بار مدل به دو روش SMLR و GAMLR ايجاد شد. يافته ها: مدل هايQSAR به دست آمده با GA-MLR مجذور ضريب همبستگي اعتبارسنجي بزرگتري نسبت به روش S-MLR داشتند. نتيجه گيري: نتايج اين مقايسه نشان مي دهد كه مي توان با استفاده از مدل حاصل، فعاليت تركيبات ضد سرطاني مشابه را پيشگويي كرد.