مطالعه ارتباط کمی ساختار- فعالیت برای پیش بینی فعالیت مهارکنندگی PIM مشتق های تری آزولوپیریدین با استفاده از الگوریتم ژنتیک برازش خطی چندگانه

مطالعه ارتباط کمی ساختار فعالیت (QSAR) برای مدل سازی و پیش بینی فعالیت مهارکنندگی PIM،39 ترکیب از مشتق های تری آزولوپیریدین به کار گرفته شد. نخست پس از رسم و بهینه سازی ساختار ترکیب ها و محاسبه توصیف کننده ها، مجموعه داده ها به صورت تصادفی به دو مجموعه آموزش و آزمون تقسیم شد. در انتخاب مهم ترین توصیف کننده ها روش گام به گام (SW) و الگوریتم ژنتیک (GA) استفاده شد. سپس برای مدل سازی و پیش بینی فعالیت های ترکیب ها از روش برازش خطی چندگانه (MLR) استفاده شد. مقایسه مدل های SW-MLRو GA-MLR نشان داد که GA-MLR نسبت به SW-MLR نتیجه های بهتری به دست می دهد. سپس برای بررسی اعتبار مدل ها از روش های اعتبارسنجی تقاطعی (LOO) و (LGO)، Y- تصادفی و آزمون خارجی استفاده شد. این مطالعه نشان داد که مدل GA-MLR با پنج توصیف کننده می تواند برای پیش بینی فعالیت ترکیب های دارویی همانند به کار رود و همچنین از تحلیل توصیف کننده های مدل می توان در طراحی ترکیب های دارویی نوین استفاده کرد.