مطالعه برخی داروهای مهم برای پیشبینی دوز کشنده آن ها برای اطفال با استفاده از الگو های ارتباط کمی ساختار-فعالیت
در این تحقیق، پیشبینی میزان متوسط دوز کشنده داروهای مهم برای اطفال با استفاده از توصیفکنندههای مولکولی ساختاری و همچنین بهکارگیری مدلهای ارتباط کمی ساختار- فعالیت (QSAR) توسط مدلهای رگرسیون خطی MLR و شبکه عصبی مصنوعی ANN بهطور جداگانه موردبررسی قرارگرفتهاند. روش رگرسیون مرحلهای جهت کاهش تعداد توصیفگرهای (متغیرها) محاسبهشده به کار گرفته شد و بهترین نتایج با 8 توصیفکننده بدست آمد. در ادامه از مدل خطی رگرسیون خطی چندگانه MLR برای پیشبینی دوز کشنده داروها استفاده شد که نتایج تقریبا خوبی به همراه داشت و پارامترهای R2، Q2 و RMSE برای این مدل به ترتیب 894/0، 155/12 و882/0 محاسبه و گزارش شد. همچنین با استفاده از مدل غیر خطی شبکه عصبی مصنوعی (ANN) نیز برای پیشبینی مقدار دوز کشنده این داروها استفاده شد و ضرایب همبستگی گروههای آموزش، آزمون، اعتبارسنجی و کل به ترتیب 984/0 و 994/0 و 999/0 و 983/0 محاسبه گردید که نشاندهنده اعتبار خوب این روش جهت پیشبینی میزان دوز کشنده سایر داروهای مشابه برای اطفال میباشد.
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.