منابع تحقیق درمورد ترکیبات، لایه، همبستگی

را نسبت به هدف دارند، برای همبستگی 4/0 به ترتیب به شرح زیر می‌باشد. (جداول شماره 107 تا 117 )
ترکیبات لایه (1-3) : 15،17،21،24،32 و 33 می باشد.
ترکیبات لایه (1-5) : 21،24،27،33و 36 می باشد.
ترکیبات لایه (1-7) : 21،24،27،29،33 و 36 می باشد.
ترکیبات لایه (1-9) : 4،14،15،18،24،30،32 و 39 می باشد.
ترکیبات لایه (1-11) : 21،24،27،29،33 و36 می باشد.
ترکیبات لایه (1-2) : 15،21،24،27،33 و 36 می باشد.
ترکیبات لایه (1-4) : 3،15،21،24،27،33 و 36 می باشد.
ترکیبات لایه (1-6) : 15،21،24،27،30،33 و 36 می باشد.
ترکیبات لایه (1-8) : 21،24،27،29،33 و 36 می باشد.
ترکیبات لایه (1-10) : 21،27،29،33 و 36 می باشد.
ترکیبات لایه (1-12) : 32،33 و 39 می باشد.
با توجه به نتایج به دست آمده ترکیبات شماره 33،36،21،27 و 15در بیشتر لایه ها به عنوان مناسب ترین ساختار ها می باشند. بیشترین فراوانی و کمترین انحراف مربوط می شود به ترکیب 33 در لایه 3 با مقدار عددی= 0/0100 ? می باشد .
به طور کلی بیشترین ترکیبات انتخاب شده با روش PLS-GA برای همبستگی های مختلف و هدف
IC50 ترکیبات شماره 27 و 21 و همچنین کمترین انحراف مشاهده شده برای همبستگی های مختلف
مربوط به ترکیب 21 می باشند.
پیش بینی مدل مناسب با استفاده از روش PCR برای همبستگی های مختلف و هدف IC50 به شرح زیر بدست آمده است :
ترکیبات زیر کمترین تفاوت ممکن را نسبت به هدف دارند، برای همبستگی 3/0 به ترتیب عبارتند از ترکیبات 3،5،17،18،21،24،26،36 و 39 است و کمترین انحراف نیز مربوط به ترکیب 5 می باشد. ( جدول70)
ترکیبات زیر کمترین تفاوت ممکن را نسبت به هدف دارند، برای همبستگی 4/0 به ترتیب عبارتند از ترکیبات 21، 24 و 33 است و کمترین انحراف نیز مربوط به ترکیب 24 می باشد. (جدول 82)
به طور کلی بیشترین ترکیبات انتخاب شده با روش PLS عبارتند از 21و24 است و کمترین انحراف مشاهده شده برای همبستگی های مختلف و هدف IC50 مربوط به ترکیب شماره 24 می باشد.
پیش بینی مدل مناسب با استفاده از روش PCR-GA برای همبستگی های مختلف و هدف IC50 به شرح زیر بدست آمده است:
ترکیبات زیر کمترین تفاوت ممکن را نسبت به هدف دارند، برای همبستگی 3/0 به ترتیب به شرح زیر می‌باشد. (جداول شماره 71 تا 81 )
ترکیبات لایه (1-3) : 6،12،17،21،27 و 39 می باشد.
ترکیبات لایه (1-5) : 6،12،15،16،17 و 39 می باشد.
ترکیبات لایه (1-7) : 3،5،15،18،24،26،32،36،38 و40 می باشد.
ترکیبات لایه (1-9) : 3،16،17،18،20،23،27،28،31،33،34،35،36 و39 می باشد.
ترکیبات لایه (1-11) : 7،9،16،19،22،23،24،26،29،30،31،32،33،36،38 و40 می باشد.
ترکیبات لایه (1-2) : 6،8،14،16،17،24،26،27،34،37،39 و 40 می باشد.
ترکیبات لایه (1-4) : 6،14،16،17،24،26،27،34،37،39 و 40 می باشد.
ترکیبات لایه (1-6) : 6،8،14،16،17،24،26،27،34،37،39 و 40 می باشد.
ترکیبات لایه (1-8) : 3،5،6،16،17،18،21،23،26،27،33،34،39 و 40 می باشد.
ترکیبات لایه (1-10) : 3،5،6،14،16،17،21،23،24،27،32،33،34،37،39 و 40 می باشد.
ترکیبات لایه (1-12) : 15،18،28،32،33،37،38 و 39 می باشد.
با توجه به نتایج به دست آمده ترکیبات شماره 6،16،17،37،39،33،24،40 و27 در بیشتر لایه ها به عنوان مناسب ترین ساختار ها می باشند و کمترین انحراف مربوط می شود به ترکیب 5 در لایه 10 با مقدار عددی 0050/0=? می باشد.
ترکیبات زیر کمترین تفاوت ممکن را نسبت به هدف دارند، برای همبستگی 4/0 به ترتیب به شرح زیر می باشد.(جداول شماره 83 تا 93 )
ترکیبات لایه (1-3) : 6،15،17،21،24،32 و 33 می باشد.
ترکیبات لایه (1-5) : 24،27،33 و 39 می باشد.
ترکیبات لایه (1-7) : 15،24،27،32 و 33 می باشد.
ترکیبات لایه (1-9) : 15،32و 39 می باشد.
ترکیبات لایه (1-11) : 15،24،27،32 و33 می باشد.
ترکیبات لایه (1-2) : 2،6،14،15،16،20،23،24،26،27،29،30،32،36،37،38 و 40 می باشد.
ترکیبات لایه (1-4) : 15،21،24،27،32 و 33 می باشد.
ترکیبات لایه (1-6) : 15،24،27،30 و 33 می باشد.
ترکیبات لایه (1-8) :15،24،27،32 و 33 می باشد.
ترکیبات لایه (1-10) :15،24،27،33 و 36 می باشد.
ترکیبات لایه (1-12) : 1،3،27،29،39و 40 می باشد.
با توجه به نتایج به دست آمده ترکیبات شماره 15،27،24،33 و 32 در بیشتر لایه ها به عنوان مناسب ترین ساختار ها می باشند و کمترین انحراف به ترکیب 14 در لایه 2 با مقدار عددی 0000/0=? مربوط می شود.
به طور کلی بیشترین ترکیبات انتخاب شده با روش PCR-GA برای همبستگی های مختلف و هدفIC50 ترکیبات شماره 27 ،33 و24و همچنین کمترین انحراف مشاهده شده برای همبستگی های مختلف مربوط به ترکیب 27 می باشد.
فراوانی حاصل از توصیفگرهای مولکولی برای همبستگی با هدف 3/0 به قرار زیر است:(نمودار 1 پیوست 2)
فراوانی توصیفگرهای شماره 1، 13، 21، 61 و 29 از بقیه توصیفگرها بالاتر بوده، اما در توصیفگرهای شماره 11،17، 48، 6 و 129 فراوانی بدست آمده در دفعات مختلف عدد صفر بوده که نشان از نامناسب بودن این توصیفگر می باشد.(جدول 118) توصیفگرهای مناسب عبارتنداز:
فراوانی حاصل از توصیفگرهای مولکولی برای همبستگی با هدف 0.4 به قرار زیر است:(نمودار 1 پیوست 2)
فراوانی توصیفگرهای شماره 12، 26، 34، 36 ،74 و 85 از بقیه توصیفگرها بالاتر بوده، اما در توصیفگرهای شماره 17،19، 62 و 83 فراوانی بدست آمده در دفعات مختلف عدد صفر بوده که نشان از نامناسب بودن این توصیفگر می باشد. (جدول 119) توصیفگرهای مناسب عبارتنداز:
.RDF135u، H7u، H-046، IC2، GATS2m و RDF085p
با روش GA-stepwise MLR توصیفگرهایی برای همبستگی های مختلف مربوط به هدف IC50 انتخاب شدند که به شرح زیر می باشند.(جداول 6 تا 33)
توصیفگرهای انتخاب شده برای همبستگی با هدف 3/0 به ترتیب عبارتند از: ALOGP، F10[N-S]، MATS4p، X2A و G2e.
توصیف گرهای ALOGP در دسته Molecular properties قرار دارد.
توصیف گرهای F10[N-S] در دسته 2D frequency fingerprints قرار دارد.
توصیف گرهای MATS4p در دسته 2D autocorrelations قرار دارد.
توصیف گرهای X2A در دسته Connectivity indices قرار دارد.
توصیف گرهای G2e در دسته WHIM descriptors قرار دارد.
توصیف گرهای انتخاب شده ویژگی هایی چون در توصیف گروه WHIT اطلاعات سه بعدی مولکولی در مورداندازه شکل مولکول، تقارن و توزیع اتم نسبت به چها چوب مرجع نا متغیر می باشد. ویژگی هایی چون در توصیف گر گروه autocorrelations اطلاعات دو بعدی همبستگی موران را در بر می گیردو ضریب موران معمولا مقداری در بازه{1+،1-} می باشد.
MATS4p نمایش دهنده یک علامت مثبت است، نشان می دهد که
IC50 به طور مستقیم بااین توصیف گر در رابطه است. ودر سه گروه دیگر اطلاعات یک بعدی چون جرم مولکولی، ضریب تقسیم اکتانول-آب، مقادیر ضریب شکست، حضور یا عدم حضور گروه عاملی خاص ویا اتم معینی را در مولکول نشان می دهد.
با روش GA-stepwise MLR توصیفگرهایی برای همبستگی های مختلف مربوط به هدف IC50 انتخاب شدند که به شرح زیر می باشند:
توصیفگرهای انتخاب شده برای همبستگی با هدف 0.4 به ترتیب عبارتند از:
RDF135u،PW3 و MATS4p.
توصیف گرهای RDF135u در دسته RDF descriptors قرار دارد.
توصیف گرهای PW3 در دسته Topological descriptors قرار دارد.
توصیف گرهای MATS4p در دسته 2D autocorrelations قرار دارد.
توصیفگرهای گروه Topologicalاطلاعاتی چون نوع اتم، نوع پیوندهاونحوه ارتباط اتم ها به یکدیگر را در بر می گیرد و به ساختار فضایی ارتباط نداشته است. واین توصیف گر ها جزء ساده ترین توصیف گر ها می باشد. توصیف گرهای گروه RDFاطلاعاتی مبتنی بر توزیع فواصل در نمایش هندسی مولکول وتشکیل یک کد تابع توزیع شعاعی (کد RDF) است. کد RDF می تواند به نوع اتم خاص و یا محدوده فاصله برای ارائه اطلاعات خاص در یک فضای ساختار سه بعدی خاص محدود شود. اطلاعات سه بعدی مولکولی مربوطه در مورد اندازه مولکولی، تقارن، شکل و توزیع اتم نسبت به چهار چوب مرجع نا متغیر می باشد.
4-2 نتیجه گیری کلی:
در این تحقیق فعالیت بیولوژیکی گروهی از ترکیبات پریمیدینو پریمیدینز با استفاده از روش های QSAR مورد مطالعه قرار گرفت وبا استفاده از نتایج حاصل، مشاهده شد که روش MLR stepwise روش مناسب تری نسبت به دیگر روش های آماری بوده ونتایج مطلوبتری به دست می دهد. همچنین نتایج حاصل بعد از GA، نتایج مطلوبتری نسبت به قبل از روش می باشد.
همچنین ترکیباتی که کمترین اختلاف را با هدف دارند ترکیبات 27، 24، 33 و 21 می‌باشد. با توجه به توصیف گرهای انتخاب شده، ویژگی های نوع اتم، نوع پیوندهاونحوه ارتباط اتم ها به یکدیگر، اندازه مولکولی، تقارن، حضور یا عدم حضور گروه عاملی خاص ویا اتم معینی را در مولکول، شکل و توزیع اتم نسبت به چهار چوب مرجع نا متغیر دارای اهمیت می‌باشد در نتیجه به دارو ساز پیشنهاد می شود به این ویژگی ها توجه نماید. و نیز پیشنهاد می شود داروهای بسیاری را می توان با استفاده از این روش بدست آورد.
فصل سوم
پیوست 1
جدول ها
جدول3-1- ساختار مربوط به مشتقات:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
36
35
34
33
40
39
38
37
جدول3-2. مقادیر عددی پارامتر RMSE با روشGA برای لایه های فرد در همبستگی 3/0
Layer
RMSE test
RMSE train
(3-1)
0.6823
0.1518
(5-1)
0.8226
0.1397
(7-1)
0.7834
0.1395
(9-1)
0.6680
0.1400
(11-1)
0.7888
01399
جدول3-3. مقادیر عددی پارامتر RMSE با روشGA برای لایه های زوج در همبستگی 3/0
Layer
RMSE test
RMSE train
(2-1)
0.9771
0.2950
(4-1)
0.8063
0.1809
(6-1)
0.7795
0.1309
(8-1)
0.6634
0.1408
(10-1)
0.8081
0.1394
(12-1)
0.7086
0.1389
جدول3-4. مقادیر عددی پارامتر RMSE با روش GA برای لایه های فرد در همبستگی 4/0
Layer
RMSE test
RMSE train
(3-1)
0.7258
0.1569
(5-1)
0.7127
0.1406
(7-1)
0.9099
0.1393
(9-1)
0.6500
0.1404
(11-1)
0.8234
0.1398
جدول3-5. مقادیر عددی پارامتر RMSE با روشGA برای لایه های زوج در همبستگی 4/0
Layer
RMSE test
RMSE train
(2-1)
0.8553
0.1864
(4-1)
0.6554
0.1621
(6-1)
0.7001
0.1404
(8-1)
0.6662
0.1520
(10-1)
0.6338
0.1406
(12-1)
0.6165
0.1380
جدول3-6. توصیفگرهای انتخاب شده با روش GA-stepwise MLR برای همبستگی با هدف 3/0
Meaning
Descriptor group
Descriptor symbol
Moran autocorrelation – lag 4 / weighted by atomic polarizabilities
2D autocorrelations
MATS4p
Ghose-Crippen octanol-water partition coeff. (logP)
Molecular properties
ALOGP
H autocorrelation of lag 4 / weighted by atomic polarizabilities
GETAWAY descriptors
H4p
frequency of N – S at topological distance 10
2D frequency fingerprints
F10[N-S]
Moran autocorrelation – lag 2 / weighted by atomic masses
2D autocorrelations
MATS2m
average connectivity index chi-2 (Randic connectivity index)
Connectivity indices
X2A
Moran autocorrelation – lag 3 / weighted by atomic polarizabilities
2D autocorrelations
MATS3p
Geary autocorrelation – lag 1 / weighted by atomic

دیدگاهتان را بنویسید