بازگشت به بانک اطلاعات پایان نامه ها
شماره دانشجویی : 920152473
نویسنده : ماريا گلزار
عنوان پایان نامه : استفاده از محاسباتQSAR بر روی مشتقات سالیسیلانیلیدN آلکیل کربومیت به عنوان داروهای ضد آلزایمر
دانشكده : دانشکده علوم پایه
گروه تحصيلي : شیمی
رشته/گرایش تحصيلي : شيمي -شيمي تجزيه
مقطع تحصيلي : کارشناسی ارشد
استاد راهنما (استاد مدعو) : , دكتر قاسم قاسمي,
استاد مشاور () : ,
چكيده : در این تحقیق مطالعه ی رابطه ی کمی ساختار-فعالیت (QSAR) بر روی مشتقات سالیسیلانیلید N آلکیل کربومیت به عنوان ترکیبات دارو های آلزایمر انجام شده است. ژنتیک الگوریتم (GA) ،شبکه ی عصبی مصنوعی (ANN)،رگرسیون خطی چندگانه(MLR) ، برای ایجاد مدل های QSAR غیر خطی و خطی مورد استفاده قرار گرفته است. با استفاده روش DFT (B3LYP)و سري پايه6-31G ساختار هاي بهينه از اين مشتقات بدست آورده شد. ازنرم افزار های Hyperchem، ChemOffice و Gaussian 09W و Dragon برای بهینه سازی مولکول ها و محاسبات توصیفگرهای شیمی کوانتومی استفاده شده است. درنهایت برای آنالیز داده ها از نرم افزار Unscrambler استفاده گردید.
نتایج بدست آمده از این کار نشان می دهد که مدل ANN موفق ترین روش نسبت به سایر روش های آماری می باشد و قابلیت های پیش گویی معقول را دارد .
به طور کلی با بررسی های انجام شده با روشهای GA-PLS و GA-PCR و روش جک نایف در لایه های مختلف ،ترکیبات20و1،16،17،18 از میان 20 ترکیب مورد بررسی در این تحقیق ،کمترین انحراف ممکن نسبت به هدف را دارند و به عنوان مناسب ترین ترکیبات برای ساخت داروهای ضد بیماری آلزایمر با عملکرد بهتر، پیش بینی می شوند. همچنین بهترین توصیفگرها عبارت اند از :
.G1e، F02[C-N]، T(O..Cl)، GATS6m، GATS6p، Mor02m
كلمات كليدي : آلزایمر، رابطه ی کمی ساختار- فعالیت(QSAR)، مشتقات سالیسیلانیلیدN آلکیل کربومیت ، ژنتیک الگوریتم(GA)، شبکه ی عصبی مصنوعی (ANN)
تاريخ دفاع : 95-06-29