1-6-6- آنالیز اجزاء اصلی(PCA) 10
1-6-7- رگرسیون اجزاء اصلی (PCR) 11
1-6-8- رگرسیون چند متغیره غیر خطی(MNR) 12
1-6-9- منطق فازی.. 12
1-6-9-1-كاربرد های منطق فازی.. 13
1-6-10- شبکه های عصبی مصنوعی (ANN) 13
1-6-10-1- ویژگی های شبكه عصبی.. 14
1-6-10-2- مزایای شبكه عصبی.. 16
1-6-10-3- كاربرد های شبكه عصبی.. 16
1-6-11- الگوریتم ژنتیکی (GA) 17
1-6-11-1- قوانین داروین.. 18
1-6-11-2- ویژگی های الگوریتم ژنتیک… 18
1-6-11-3- نقاط قوت الگوریتم های ژنتیک… 20
1-6-11-4- محدودیت های الگوریتم های ژنتیک… 21
1-6-11-5- روش های انتخاب برای الگوریتم ژنتیک… 21
1-7- دیابت… 22
1-7-1- دستهبندی و سببشناسی دیابت… 23
1-7-1-1- دیابت نوع یک… 24
1-7-1-2- دیابت نوع دو. 25
1-7-1-3- دیابت بارداری.. 25
1-7-1-4- انواع دیگر دیابت… 26
1-8- وضعیت دیابت در جهان. 29
1-9- مرگ ومیر ناشی از دیابت… 29
1-10- هزینه های دیابت… 29
1-11- پیشگیری و کنترل دیابت… 30
1-12- داروها 30
1-12-1- سولفونیل اوره ها 31
1-12-2- بی گوانیدها 32
1-12-3- آکاربوز. 32
1-12-4- تیازولیدیندایونها (TZD) 33
1-12-5- مگلی تینایدها 33
فصل دوم: روش کار
2-1- رسم مشتقات… 36
2-1-1- اضافه كردن متد و بهینه سازی مشتقات… 36
2-1-2- اضافه كردن توصیفگرهای مولكولی به مشتقات… 36
2-1-3- ساختن ماتریس و غربالگری توصیفگرها برای مشتقات… 37
2-1-4- محاسبات GA.. 38
2-1-5- محاسبات GA-ANN.. 39
2-1-6- محاسبات جك نایف… 39
2-1-7- محاسبات GA –MLR.. 39
2-1-8- تجزیه و تحلیل با روش هایPLS ، PCR و MLR.. 40
2-1-9- تجزیه و تحلیل با روش های GA-MCR،GA-PLS ،GA-PCR ، GA-MLR و GA-RS. 40
2-1-10- پیش بینی ساختار. 40
بخش دوم: بحث و نتیجه گیری
2-2- بحث و نتیجه گیری.. 42
پیشنهاد برای کارهای اینده 124
منابع و مأخذ. 125
فهرست جداول
عنوان صفحه
جدول1. ساختار مربوط به مشتقات… 57
جدول2. مقادیر عددی پارامتر RMSE با روشGA-ANN برای همبستگی های مختلف… 60
جدول3. توصیفگرهای انتخاب شده با روش GA-stepwise MLR برای همبستگی با هدف 0.3. 60
جدول4. توصیفگرهای انتخاب شده با روش GA-stepwise MLR برای همبستگی با هدف 0.4. 61
جدول5. مقادیر عددی پارامتر RMSE با روش GA-ANN برای همبستگی با هدف 0.3. 61
جدول6. مقادیر عددی پارامتر RMSE با روش GA-ANN برای همبستگی با هدف 0.4. 62
جدول7. توصیفگرهای انتخاب شده با روش GA-stepwise MLR برای همبستگی با هدف 0.3 برای لایه 2 62
جدول8. توصیفگرهای انتخاب شده با روش GA-stepwise MLR برای همبستگی با هدف 0.3 برای لایه 3 62
جدول9. توصیفگرهای انتخاب شده با روش GA-stepwise MLR برای همبستگی با هدف 0.3 برای لایه 4 63
جدول10. توصیفگرهای انتخاب شده با روش GA-stepwise MLR برای همبستگی با هدف 0.3 برای لایه 5 63
جدول11. توصیفگرهای انتخاب شده با روش GA-stepwise MLR برای همبستگی با هدف 0.3 برای لایه 6 63
جدول12. توصیفگرهای انتخاب شده با روش GA-stepwise MLR برای همبستگی با هدف 0.3 برای لایه 7 64
جدول13. توصیفگرهای انتخاب شده با روش GA-stepwise MLR برای همبستگی با هدف 0.3 برای لایه 8 64
جدول14. توصیفگرهای انتخاب شده با روش GA-stepwise MLR برای همبستگی با هدف 0.3 برای لایه 9 64
جدول15. توصیفگرهای انتخاب شده با روش GA-stepwise MLR برای همبستگی با هدف 0.3 برای لایه 10 65
جدول16. توصیفگرهای انتخاب شده با روش GA-stepwise MLR برای همبستگی با هدف 0.3 برای لایه 11 65
جدول17. توصیفگرهای انتخاب شده با روش GA-stepwise MLR برای همبستگی با هدف 0.4 برای لایه 2 65
جدول18. توصیفگرهای انتخاب شده با روش GA-stepwise MLR برای همبستگی با هدف 0.4 برای لایه 3 66
جدول19. توصیفگرهای انتخاب شده با روش GA-stepwise MLR برای همبستگی با هدف 0.4 برای لایه 4 66
جدول20. توصیفگرهای انتخاب شده با روش GA-stepwise MLR برای همبستگی با هدف 0.4 برای لایه 5 66
جدول21. توصیفگرهای انتخاب شده با روش GA-stepwise MLR برای همبستگی با هدف 0.4 برای لایه 6 67
جدول22. توصیفگرهای انتخاب شده با روش GA-stepwise MLR برای همبستگی با هدف 0.4 برای لایه 7 67
جدول23. توصیفگرهای انتخاب شده با روش GA-stepwise MLR برای همبستگی با هدف 0.4 برای لایه 8 67
جدول24. توصیفگرهای انتخاب شده با روش GA-stepwise MLR برای همبستگی با هدف 0.4 برای لایه 9 68
جدول25. توصیفگرهای انتخاب شده با روش GA-stepwise MLR برای همبستگی با هدف 0.4 برای لایه 10 68
جدول26. توصیفگرهای انتخاب شده با روش GA-stepwise MLR برای همبستگی با هدف 0.4 برای لایه 11 68
جدول27. پارامترهای بدست آمده با روش GA-stepwise MLR برای همبستگی 0.3برای لایه های مختلف 69
جدول28. پارامترهای بدست آمده با روش GA-stepwise MLR برای همبستگی 0.4برای لایه های مختلف 69
جدول29. مقادیر عددی توصیفگرهای انتخاب شده با روش GA-stepwise MLR برای همبستگی با هدف 0.3 70
جدول30. مقادیر عددی توصیفگرهای انتخاب شده با روش GA-stepwise MLR برای همبستگی با هدف 0.4 72
جدول31. پارامترهای بدست آمده با روش PLS برای همبستگی0.3 برای لایه های مختلف… 73
جدول32. پارامترهای بدست آمده با روش GA-PLS برای همبستگی 0.3 برای لایه های مختلف… 74
جدول34. پارامترهای بدست آمده با روش PCR برای همبستگی های مختلف… 75
جدول35. پارامترهای بدست آمده با روش GA-PCR برای همبستگی 0.3 برای لایه های مختلف… 75
جدول36. پارامترهای بدست آمده با روش GA-PCR برای همبستگی 0.4 برای لایه های مختلف… 76
جدول37. مقادیر عددی پارامترRMSE با روش GA-ANN برای لایه های فرد و همبستگی های مختلف… 76
جدول38. مقادیر عددی پارامترRMSE با روش GA-ANN برای لایههای زوج و همبستگی های مختلف… 76
با روش جک نایف برای لایه های فرد و همبستگی های مختلف 77
با روش جک نایف برای لایه های زوج و همبستگی های مختلف 77
جدول41. مقادیر عددی از مشاهداتlog (1/IC50) ، پیش بینی جک نایف و Ө∆ برای لایه 2-1 و همبستگی با هدف 0.3. 77
جدول42. مقادیر عددی از مشاهداتlog (1/IC50) ، پیش بینی جک نایف و Ө∆ برای لایه3-1 و همبستگی با هدف 0.3 78
جدول43. مقادیر عددی از مشاهداتlog (1/IC50) ، پیش بینی جک نایف و Ө∆ برای لایه 4-1 و همبستگی با هدف 0.3. 78
جدول44. مقادیر عددی از مشاهداتlog (1/IC50) ، پیش بینی جک نایف و Ө∆ برای لایه5-1 و همبستگی با هدف 0.3. 79
جدول45. مقادیر عددی از مشاهداتlog (1/IC50) ، پیش بینی جک نایف و Ө∆ برای لایه 6-1 و همبستگی با هدف 0.3. 79
جدول46. مقادیر عددی از مشاهداتlog (1/IC50) ، پیش بینی جک نایف و Ө∆ برای لایه 7-1 و همبستگی با هدف 0.3. 80
جدول47. مقادیر عددی از مشاهداتlog (1/IC50) ، پیش بینی جک نایف و Ө∆ برای لایه 8-1 و همبستگی با هدف 0.3. 80
جدول48. مقادیر عددی از مشاهداتlog (1/IC50) ، پیش بینی جک نایف و Ө∆ برای لایه 9-1 و همبستگی با هدف 0.3. 81
جدول49. مقادیر عددی از مشاهداتlog (1/IC50) ، پیش بینی جک نایف و Ө∆ برای لایه 10-1 و همبستگی با هدف 0.3. 81
جدول50. مقادیر عددی از مشاهداتlog (1/IC50) ، پیش بینی جک نایف و Ө∆ برای لایه 11-1 و همبستگی با هدف 0.3. 82
جدول51. مقادیر عددی از مشاهداتlog (1/IC50) ، پیش بینی جک نایف و Ө∆ برای لایه 2-1 و همبستگی با هدف 0.4. 82
جدول52. مقادیر عددی از مشاهداتlog (1/IC50) ، پیش بینی جک نایف و Ө∆ برای لایه 3-1 و همبستگی با هدف 0.4. 83
جدول53. مقادیر عددی از مشاهداتlog (1/IC50) ، پیش بینی جک نایف و Ө∆ برای لایه 4-1و همبستگی با هدف 0.4. 83
جدول54. مقادیر عددی از مشاهداتlog (1/IC50) ، پیش بینی جک نایف و Ө∆ برای لایه 5-1 و همبستگی با هدف 0.4. 84
جدول55. مقادیر عددی از مشاهداتlog (1/IC50) ، پیش بینی جک نایف و Ө∆ برای لایه 6-1 و همبستگی با هدف 0.4. 84
جدول56. مقادیر عددی از مشاهداتlog (1/IC50) ، پیش بینی جک نایف و Ө∆ برای لایه 7-1 و همبستگی با هدف 0.4. 85
جدول57. مقادیر عددی از مشاهداتlog (1/IC50) ، پیش بینی جک نایف و Ө∆ برای لایه 8-1 و همبستگی با هدف 0.4. 85
جدول58. مقادیر عددی از مشاهداتlog (1/IC50) ، پیش بینی جک نایف و Ө∆ برای لایه 9-1 و همبستگی با هدف 0.4. 86
جدول59. مقادیر عددی از مشاهداتlog (1/IC50) ، پیش بینی جک نایف و Ө∆ برای لایه 10-1 و همبستگی با هدف 0.4. 86
جدول60. مقادیر عددی از مشاهداتlog (1/IC50) ، پیش بینی جک نایف و Ө∆ برای لایه 11-1 و همبستگی با هدف 0.4. 87
جدول61. مقادیر عددی مشاهدات، پیش بینی با روش PLS، Ө∆ و انحراف برای همبستگی با هدف 0.3. 87
جدول62. مقادیر عددی مشاهدات، پیش بینی با روش GA-PLS، Ө∆ و انحراف برای همبستگی با هدف 0.3 برای لایه 2 88
جدول63. مقادیر عددی مشاهدات، پیش بینی با روش GA-PLS، Ө∆ و انحراف برای همبستگی با هدف 0.3 برای لایه 3 88
جدول64. مقادیر عددی مشاهدات، پیش بینی با روش GA-PLS، Ө∆ و انحراف برای همبستگی با هدف 0.3 برای لایه 4 89
جدول65. مقادیر عددی مشاهدات، پیش بینی با روش GA-PLS، Ө∆ و انحراف برای همبستگی با هدف 0.3 برای لایه 5 89
جدول66. مقادیر عددی مشاهدات، پیش بینی با روش GA-PLS، Ө∆ و انحراف برای همبستگی با هدف 0.3 برای لایه 6 90
جدول67. مقادیر عددی مشاهدات، پیش بینی با روش GA-PLS، Ө∆ و انحراف برای همبستگی با هدف 0.3 برای لایه 7 90
جدول68. مقادیر عددی مشاهدات، پیش بینی با روش GA-PLS، Ө∆ و انحراف برای همبستگی با هدف 0.3 برای لایه 8 91
جدول69. مقادیر عددی مشاهدات، پیش بینی با روش GA-PLS، Ө∆ و انحراف برای همبستگی با هدف 0.3 برای لایه 9 91
جدول70. مقادیر عددی مشاهدات، پیش بینی با روش GA-PLS، Ө∆ و انحراف برای همبستگی با هدف 0.3 برای لایه 10 92
جدول71. مقادیر عددی مشاهدات، پیش بینی با روش GA-PLS، Ө∆ و انحراف برای همبستگی با هدف 0.3 برای لایه 11 92
جدول72. مقادیر عددی مشاهدات، پیش بینی با روش PLS، Ө∆ و انحراف برای همبستگی با هدف 0.4. 93
جدول73. مقادیر عددی مشاهدات، پیش بینی با روش GA-PLS، Ө∆ و انحراف برای همبستگی با هدف 0.4 برای لایه 2 93
جدول74. مقادیر عددی مشاهدات، پیش بینی با روش GA-PLS، Ө∆ و انحراف برای همبستگی با هدف 0.4 برای لایه 3 94
جدول75. مقادیر عددی مشاهدات، پیش بینی با روش GA-PLS، Ө∆ و انحراف برای همبستگی با هدف 0.4 برای لایه 4 94
جدول76. مقادیر عددی مشاهدات، پیش بینی با روش GA-PLS، Ө∆ و انحراف برای همبستگی با هدف 0.4 برای لایه 5 95
جدول77. مقادیر عددی مشاهدات، پیش بینی با روش GA-PLS، Ө∆ و انحراف برای همبستگی با هدف 0.4 برای لایه 6 95
جدول78. مقادیر عددی مشاهدات، پیش بینی با روش GA-PLS، Ө∆ و انحراف برای همبستگی با هدف 0.4 برای لایه 7 96
جدول79. مقادیر عددی مشاهدات، پیش بینی با روش GA-PLS، Ө∆ و انحراف برای همبستگی با هدف 0.4 برای لایه 8 96
جدول80. مقادیر عددی مشاهدات، پیش بینی با روش GA-PLS، Ө∆ و انحراف برای همبستگی با هدف 0.4 برای لایه9 97
جدول81. مقادیر عددی مشاهدات، پیش بینی با روش GA-PLS، Ө∆ و انحراف برای همبستگی با هدف 0.4 برای لایه10 97
جدول82. مقادیر عددی مشاهدات، پیش بینی با روش GA-PLS، Ө∆ و انحراف برای همبستگی با هدف 0.4 برای لایه11 98
جدول83. مقادیر عددی مشاهدات، پیش بینی با روشPCR ، Ө∆ و انحراف برای همبستگی با هدف 0.3. 98
جدول84. مقادیر عددی مشاهدات، پیش بینی با روش GA-PCR، Ө∆ و انحراف برای همبستگی با هدف 0.3 برای لایه 2 99
جدول85. مقادیر عددی مشاهدات، پیش بینی با روش GA-PCR، Ө∆ و انحراف برای همبستگی با هدف 0.3برای لایه 3 99
جدول86. مقادیر عددی مشاهدات، پیش بینی با روش GA-PCR، Ө∆ و انحراف برای همبستگی با هدف 0.3 برای لایه 4 100
جدول87. مقادیر عددی مشاهدات، پیش بینی با روش GA-PCR، Ө∆ و انحراف برای همبستگی با هدف 0.3 برای لایه 5 100
جدول88. مقادیر عددی مشاهدات، پیش بینی با روش GA-PCR، Ө∆ و انحراف برای همبستگی با هدف 0.3 برای لایه 6 101
جدول89. مقادیر عددی مشاهدات، پیش بینی با روش GA-PCR، Ө∆ و انحراف برای همبستگی با هدف 0.3 برای لایه 7 101
جدول90. مقادیر عددی مشاهدات، پیش بینی با روش GA-PCR، Ө∆ و انحراف برای همبستگی با هدف 0.3برای لایه 8 102
جدول91. مقادیر عددی مشاهدات، پیش بینی با روش GA-PCR، Ө∆ و انحراف برای همبستگی با هدف 0.3 برای لایه 9 102
جدول92. مقادیر عددی مشاهدات، پیش بینی با روش GA-PCR، Ө∆ و انحراف برای همبستگی با هدف 0.3 برای لایه 10 103
جدول93. مقادیر عددی مشاهدات، پیش بینی با روش GA-PCR، Ө∆ و انحراف برای همبستگی با هدف 0.3 برای لایه 11 103
جدول94. مقادیرعددی مشاهدات،پیشبینی با روشPCR ، Ө∆ و انحراف برای همبستگی با هدف0.4. 104
جدول95. مقادیر عددی مشاهدات، پیش بینی با روش GA-PCR، Ө∆ و انحراف برای همبستگی با هدف 0.4 برای لایه 2 104
جدول96. مقادیر عددی مشاهدات، پیش بینی با روش GA-PCR، Ө∆ و انحراف برای همبستگی با هدف 0.4 برای لایه 3 105
جدول97. مقادیر عددی مشاهدات، پیش بینی با روش GA-PCR، Ө∆ و انحراف برای همبستگی با هدف 0.4برای لایه 4 105
جدول98. مقادیر عددی مشاهدات، پیش بینی با روش GA-PCR، Ө∆ و انحراف برای همبستگی با هدف 0.4 برای لایه 5 106
جدول99. مقادیر عددی مشاهدات، پیش بینی با روش GA-PCR، Ө∆ و انحراف برای همبستگی با هدف 0.4 برای لایه 6 106
جدول100. مقادیر عددی مشاهدات، پیش بینی با روش GA-PCR، Ө∆ و انحراف برای همبستگی با هدف 0.4 برای لایه 7 107
جدول101. مقادیر عددی مشاهدات، پیش بینی با روش GA-PCR، Ө∆ و انحراف برای همبستگی با هدف 0.4 برای لایه 8 107
جدول102. مقادیر عددی مشاهدات، پیش بینی با روش GA-PCR، Ө∆ و انحراف برای همبستگی با هدف 0.4 برای لایه 9 108
جدول103. مقادیر عددی مشاهدات، پیش بینی با روش GA-PCR، Ө∆ و انحراف برای همبستگی با هدف 0.4 برای لایه 10. 108
جدول104. مقادیر عددی مشاهدات، پیش بینی با روش GA-PCR، Ө∆ و انحراف برای همبستگی با هدف 0.4 برای لایه 11. 109
فهرست نمودارها
عنوان صفحه
نمودار1. نمودارهای بدست آمده از روش GA برای همبستگی با هدف 0.3 برای لایه 2. 111
نمودار2. نمودار های بدست آمده از روش GA برای همبستگی با هدف 0.4 برای لایه 2. 112
نمودار3. نمودار بدست آمده از روش GA-ANN برای همبستگی با هدف 0.3. 112
نمودار4. نمودار بدست آمده از روش GA-ANN برای همبستگی با هدف 0.4. 113
نمودار5. نمودار بدست آمده از روش stepwise MLR برای همبستگی با هدف 0.3 در لایه 2. 113
نمودار6. نمودار بدست آمده از روش stepwise MLR برای همبستگی با هدف 0.3 در لایه 3. 114
نمودار7. نمودار بدست آمده از روش stepwise MLR برای همبستگی با هدف 0.3 در لایه 4. 114
نمودار8. نمودار بدست آمده از روش stepwise MLR برای همبستگی با هدف 0.3 در لایه 5. 115
نمودار9. نمودار بدست آمده از روش stepwise MLR برای همبستگی با هدف 0.3 در لایه 6. 115
نمودار10. نمودار بدست آمده از روش stepwise MLR برای همبستگی با هدف 0.3 در لایه 7. 116
نمودار11. نمودار بدست آمده از روش stepwise MLR برای همبستگی با هدف 0.3 در لایه 8. 116
نمودار12. نمودار بدست آمده از روش stepwise MLR برای همبستگی با هدف 0.3 در لایه 9. 117
نمودار13. نمودار بدست آمده از روش stepwise MLR برای همبستگی با هدف 0.3 در لایه 10. 117
نمودار14. نمودار بدست آمده از روش stepwise MLR برای همبستگی با هدف 0.3 در لایه 11. 118
نمودار15. نمودار بدست آمده از روش stepwise MLR برای همبستگی با هدف 0.4 در لایه 2. 118
نمودار16. نمودار بدست آمده از روش stepwise MLR برای همبستگی با هدف 0.4 در لایه 3. 119
نمودار17. نمودار بدست آمده از روش stepwise MLR برای همبستگی با هدف 0.4 در لایه 4. 119
نمودار18. نمودار بدست آمده از روش stepwise MLR برای همبستگی با هدف 0.4 در لایه 5. 120
نمودار19. نمودار بدست آمده از روش stepwise MLR برای همبستگی با هدف 0.4 در لایه 6. 120
نمودار20. نمودار بدست آمده از روش stepwise MLR برای همبستگی با هدف 0.4 در لایه 7. 121
نمودار21. نمودار بدست آمده از روش stepwise MLR برای همبستگی با هدف 0.4 در لایه 8. 121
نمودار22. نمودار بدست آمده از روش stepwise MLR برای همبستگی با هدف 0.4 در لایه 9. 122
نمودار23. نمودار بدست آمده از روش stepwise MLR برای همبستگی با هدف 0.4 در لایه 10. 122
نمودار24. نمودار بدست آمده از روش stepwise MLR برای همبستگی با هدف 0.4 در لایه 11. 123
فهرست اشکال
عنوان صفحه
شکل (1- 1) شمای کلی یک شبکه عصبی مصنوعی.. 15
شكل (2-1):جهش کروموزوم. 19
شكل (2-1) 38
پیشگفتار
شیمی محاسباتی رویکرد نوینی به پدیده های شناخته شده و آشنای فیزیکی و شیمیایی است که می تواند منجر به درک بهتر جهان پیرامون ما گردد. امروزه با پیشرفت روز افزون کامپیوترها قادر هستیم پدیده های گوناگون را در ماتریس های بسیار پیچیده نظیر سیستم های بیولوژیکی و نانوتکنولوژی مورد مطالعه قرار دهیم و بدیهی است که انجام چنین مطالعاتی در درجه اول نیازمند درک وسیعی از پدیده های فیزیکی و شیمیایی، ابداع و نوآوری روش های نوین مطالعاتی وتجزیه و تحلیل مستند و هدفدار هستند.
هدف از انجام این پژوهش، استفاده از شیمی محاسباتی در تجزیه و تحلیل آماری برای پیش بینی ساختارهای مناسب دارویی می باشد و همچنین با این روش نتایج آزمایشات مختلفی را که به صورت تجربی انجام می شود تا حدود زیادی پیش گویی و تا حد زیادی در هزینه و زمان صرفه جویی نمود.
در این پایان نامه با استفاده از مطالعات QSAR بر روی مشتقات ساختارهای مناسب برای درمان دیابت انتخاب و ساخت دارو از روی مناسب ترین ساختار ها به دارو ساز محترم پیشنهاد می شود. لازم به ذکر است که در این پژوهش روش های نوین و ترکیبی آماری، برای تجزیه و تحلیل و پیش بینی ساختارها به کار برده شده است.
چکیده
در این تحقیق، ارتباط کمی ساختار و فعالیت (QSAR) در مشتقات pyrrolo[3,2-d]pyrimidine-7-carbonitrile مطالعه شده است. الگوریتم ژنتیک (GA)، شبکه های عصبی مصنوعی (ANN) و روش گام به گام رگرسیون خطی چندگانه (stepwise MLR) برای مدل های خطی و غیر خطی QSAR ایجاد و مورد استفاده قرار گرفت. با استفاده روش DFT (B3LYP)و سری پایه 6-31G ساختار های بهینه از این مشتقات را بدست آوردیم. از نرم افزار های Hyperchem، ChemOffice و Gaussian 03W و Dragon برای بهینهسازی مولکول ها و محاسبات توصیفگرهای شیمی کوانتومی استفاده شده است. در نهایت برای آنالیز داده ها از نرم افزار Unscrambler استفاده گردید. RMSE train و test RMSE با مدل GA-ANN به ترتیب 0.1406 و 0.3519 و پارامتر R2، 0.81 بدست آمد. همچنین مقادیر R و R2با مدل GA-stepwise MLR به ترتیب 0.79 و 0.58 بدست آمد. مدل GA-ANN مطلوب ترین روش نسبت به سایر روش های آماری شناخته شد.
به طور کلی با برسی های انجام شده با روشهای GA-PLS, GA-PCR و روش جک نایف در لایههای مختلف و اهداف مختلف ترکیبات زیر کمترین انحراف ممکن را دارند و به عنوان بهترین ترکیبات برای ساخت دارو پیش بینی میشوند:
5، 10، 18 و 38
همچنین بهترین توصیف گرها عبارتند :
در همبستگی 0.3:
Meaning |
Descriptor group |
Descriptor symbol |
3D-MoRSE – signal 23 / weighted by atomic masses |
3D-MoRSE (3D) |
Mor23m |
everage-weighted autocorrelation of lag 5 / weighted by atomic masses |
GETAWAY (3D) |
HATS5m |