پیش بینی فعالیت آنتی HIV یکسری از مشتقات PETT به عنوان بازدارند ه های غیرنوکلئوزیدی آنزیم نسخه بردار معکوس با استفاده از مدلهای QSAR خطی و غیرخطی

نویسندگان

چکیده

به منظور پیش بینی فعالیت آنتی HIV یکسری از مشتقات فنتیل تیازولیل تیواوره (PEET)، مدلهای ارتباط کمی ساختار- فعالیت (QSAR) با استفاده از توصیفگرهای محاسبه شده، ساخته شد. روش رگرسیون مرحله ای جهت کاهش تعداد توصیفگرهای (متغییرها) محاسبه شده توسط دراگون به گار گرفته شد. متغییرهای انتخاب شده سپس به عنوان ورودی برای تولید مدلهای QSAR با استفاده از رگرسیون خطی خطی چندگانه(MLR) و شبکه عصبی مصنوعی(ANN)قرار گرفت. مطالعه ارزیابی مدلهای MLR و ANN با استفاده از سری تست و تکنیک رد مرحله ای انجام گردید. نتایج به دست آمده برای سری تست با استفاده از MLR و ANN مقدار ضریب تعیین(R2) به ترتیب برابر با 766/0 و 913/0 را نشان داد.

کلیدواژه‌ها


عنوان مقاله [English]

Prediction of the anti-HIV activities of PETT analogs as non-nucleoside HIV-1 reverse transcriptase inhibitors by linear and non-linear QSAR models

چکیده [English]

Quantitative structure-activity relationship (QSAR) models were constructed in order to predict the anti-HIV activity of a set of phenethyl thiazole thiourea (PETT) analogs by calculated descriptors. Molecular descriptors calculated by Dragon software were subjected to variable reduction using the stepwise regression. The variables were then used as inputs for QSAR model generation using multiple linear regression (MLR) and artificial neural network (ANN). Validation study of the MLR and ANN models was performed using the test set and leave-one-out techniques. The results obtained for prediction of the test set by the MLR and ANN models showed squared correlation coefficients of 0.766 and 0.913, respectively.

کلیدواژه‌ها [English]

  • Bayesian regularized algorithm
  • Anti-HIV
  • Thiourea
  • Inhibitors
  • Artificial Neural Network (ANN)