مطالعه QSAR بر روی مشتقات pyrrolo[3,2 d]pyrimidine 7 carbonitrile - دانلود رایگان
دانلود رایگان 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
دانلود رایگان
| مطالعه QSAR بر روی مشتقات pyrrolo[3,2-d]pyrimidine-7-carbonitrile برای داروهای ضد دیابت
2با روش جک نایف برای لایه های فرد و همبستگی های مختلف77 2با روش جک نایف برای لایه های زوج و همبستگی های مختلف77 چکیده
1-1- مقدمه 1-2- كمومتريكس[1] [2] در ســال 1972 به کـار گــرفته شد و توسط کووالسکی[3] توسعه داده شد و درسال 1974 انجمن بین المللی کمومتریکس[4] تأسیس گردید. درسال 1974 در ایتالیا، دو گروه از دانشمندان به نام های فورینا[5]و کلمنتی[6]شروع به فعالیت در این زمینه کردند و از سال 1980 دانش کمومتریکس خیلی سریع توسعه یافت ]2[. چندیــن تعریف بــرای کمومتــریکس بیــان شده است کـه غالبــاً درمتــن های تجزیــه ای بــه کار می روند. یکی از جامع ترین تعاریف به صورت زیر است: 1-2-1-كاربردهاي كمومتريكس 1-3- مزاياي روش هاي محاسباتي نسبت به روش هاي آزمايشگاهي
1-5- رگرسيون[10] [11] و اس پي اس اس[12] ،اس- پلاس[13]، اس اي اس[14] و ... نام برد]4[. 1-6-روش های پارامتری [15]،حداقل مربعات کلاسیک[16] (CLS)،حداقل مربعات معکوس[17](ILS)،حداقل مربعات جزئی[18] (PLS)، آنالیز اجزاء اصلی[19] (PCA)، رگرسیون اجزاء اصلی[20] (PCR) ورگرسیون چند متغیره غیر خطی[21](MNR) استفادهشده است. همچنین در پیشرفت های دو دهه اخیر از شبکه عصبی مصنوعی[22] (ANN)، منطق فازي[23] و الگوريتم ژنتيكي[24] (GA)نیز استفاده شده است. این روشها جزء دسته ای از علوم کامپیوتر به نام هوش مصنوعی[25] (AI) قـرار می گیرند که تفاوت اساسی با سایر روش های محاسباتی و همچنین با یکدیگر دارند. در سیستم هایریاضی متداول، دانسته ها به صورت قواعد روشن و از پیش مشخص شده ای در سیستـم وجود دارد، در حالی که این سیستم ها قواعد را توسط آموزش از مثال هایی که به آنها داده می شوند فرا می گیرند. از میان روش های فوق استفاده از شبکه های عصبی مصنوعی در شیمی نقش برجسته ای پیدا کرده و کاربرد آن در شیمی به سرعت درحال افزایش است.از شبکه های عصبی مصنوعی به خوبی می توان در شناخت الگوها و طبقه بندی داده ها استفاده کرد. همچنین از این شبکه ها در مطالعات QSAR، هنگامی که ارتباط بین توصیف کننده ها و کمیت مورد مدل سازی پیچیده و غیرخطی بوده و یا اینکه پردازش سریع حجم وسیعی از اطلاعات مورد نیاز می باشد میتوان به خوبی استفاده کرد]5[. توضيحاتي راجع به انواع رگرسيون ها در زير آماده است: 1-6-1-کالیبراسیون یک متغیره و چند متغیره 1-6-2-حداقل مربعات کلاسیک(CLS)[26] 1-6-3-حداقل مربعات معکوس(ILS)[27] 1-6-4-رگرسیون خطی چندگانه (MLR)[28] x1, x2, ..., xnاگر بخواهيمارتباطخطيبين آنها ومتغيير yكه وابسته بهآنهاستايجادكنيم،رابطهزيربايدبينآنهابرقرارباشد: 0 + a1x1 + a2x2 + … + anxn + e a1, a2, …, anبا عنوان ضرايب رگرسيون ياد مي شود. اين ضرايب، ضرايب نامشخصي بوده كه در حقيقت، مسئول برآورد پارامتر وابسته هستند. در صورتي كه از طرفين رابطه فوق اميد رياضي[29] گرفتهشود، به دليلاينكهاميدرياضيمقدارخطاي e برابرباصفر است،ميتواننوشت: 0 + a1x1 + a2x2 + … + anxn x1, x2, ..., xnاست. 1-6-5-حداقل مربعات جزئی(PLS)[30] دریافت فایل جهت کپی مطلب از ctrl+A استفاده نمایید نماید |