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.