جلسه دفاع از پایاننامه: آقای مجتبی حسن زاده، گروه شیمی تجزیه
خلاصه خبر: مدل سازي فعاليت ضد سرطاني مشتقات آمينوكينوليني با استفاده از روش هاي خطي و غير خطي كمومتريكس
چکیده در این تحقیق مدل¬سازی پیش بینی فعالیت زیستی بر روی مشتقات 6-acylamino-2-aminoquinoline به عنوان بازدارنده¬های گیرنده Hsp90 مورد مطالعه قرار گرفت. این گیرنده به دلیل توانایی در تنظیم همزمان چندین مسیر پیام¬رسانی و رشد، امروزه توجه زیادی را در درمان سرطان به خود جلب کرده است. در بخش اول، مدل¬سازی پیش¬بینی کمی رابطه¬ی ساختار-فعالیت (QSAR) برای تخمین دقیق فعالیت زیستی، با استفاده از مدل های MLR ، PLS انجام گرفت که با توجه به عدم حصول نتایج رضایت بخش، به بررسی روابط غیر¬خطی و مدل سازی شبکه های عصبی مصنوعی پرداخته شد. همچنین در انجام مدل¬سازی ها، از روش های انتخاب متغیری مانند Stepwise ، rPLS ، UVE-PLS ، VIP و GA استفاده گردید که نهایتا شبکه عصبی مصنوعی تنظیم شده با الگوریتم ژنتیک و تابع یادگیری بایز، بهترین نتیجه را حاصل کرد. مدل های QSAR اگر چه توانایی پیش بینی خوبی را در خود دارند اما بسیار وابسته به داده های آموزشی خود هستند و از طرفی قادر به توضیح برهمکنش های اصلی بین دارو و گیرنده نیستند. به همین دلیل در بخش دوم به مطالعه¬ی بر همکنش¬های دارو و گیرنده با استفاده از روش داکینگ پرداخته شد. 10 بهمن 1397 / تعداد نمایش : 1608
|