پیش بینی فعالیت ضدسرطانی مشتقات 1و8- نفتیریدین توسط روش الگوریتم ژنتیک-رگرسیون خطی چندگانه

سابقه و هدف: این مطالعه به مقایسه مدل سازی qsar فعالیت ضد سرطانی ترکیبات 1و 4-دی هیدرو-4-اکسو-1-(-2-تیازولیل)-1و8-نفتیریدین و مشتقات آن با روش رگرسیون خطی چندگانه مرحله ای (smlr ) و روش الگوریتم ژنتیکرگرسیون خطی چندگانه (ga-mlr) پرداخت.روش بررسی: مجموعه ای از 100 ترکیب با فعالیت ضد سرطانی مشخص از مقاله معتبر بین المللی انتخاب شد و روش میدان نیروی آلینجر mm2 برای کمینه کردن انرژی مولکول ها استفاده شد. ساختار هندسی مولکول ها از طریق روش کوانتوم نیمه تجربی روش آوستین با استفاده از الگوریتم پلاکریبایر (polak-ribiere) با استفاده از نرم افزار موپک بهینه سازی شدند. تعداد زیادی از توصیفگرهای تئوری برای هر مولکول با استفاده از نرم افزار دراگون محاسبه شد. به منظور انتخاب بهترین دسته از توصیفگرها برای مدل سازی qsar از دو روش انتخاب متغیر ترکیب الگوریتم ژنتیکرگرسیون خطی چندگانه و رگرسیون خطی چندگانه مرحله ای استفاده شد. برای مدل سازی ابتدا نمونه برداری تصادفی دسته آموزش (80 درصد از داده ها) 20 بار به صورت تصادفی صورت گرفته و مولکول های باقیمانده (20 درصد باقیمانده از داده ها) به عنوان دسته پیشگویی برای اعتبارسنجی خارجی استفاده شدند. در میان نمونه های تصادفی، یکی از نمونه ها با بالاترین q2cv، q2cal و q2test به عنوان بهترین دسته یادگیری و آموزش انتخاب شد. با استفاده از این دسته یادگیری هر بار مدل به دو روش smlr و gamlr ایجاد شد. یافته ها: مدل هایqsar به دست آمده با ga-mlr مجذور ضریب همبستگی اعتبارسنجی بزرگتری نسبت به روش s-mlr داشتند. نتیجه گیری: نتایج این مقایسه نشان می دهد که می توان با استفاده از مدل حاصل، فعالیت ترکیبات ضد سرطانی مشابه را پیشگویی کرد.