نویسنده : ولی رستم پور هفتخوانی

دانشكده : دانشکده علوم پایه

رشته/گرایش تحصيلي : شيمي -شيمي آلي

استاد راهنما (عضو هیات علمی مرکز) :قاسم قاسمی گورجی, ,

چكيده : چکیده : در این تحقیق مطالعه ی رابطه ی کمّی ساختار-فعالیت (QSAR) بر روی مشتقات اگزازولیدینون به عنوان ترکیباتی برای مهار بیماری میگرن انجام شده است. الگوریتم ژنتیک (GA)، الگوریتم رقابت استعماری (ICA)، شبکه ی عصبی مصنوعی (ANN) و رگرسیون خطی چندگانه(MLR)، برای ایجاد مدل های QSAR غیرخطی و خطی استفاده شده است. با استفاده از روش DFT (B3LYP)و سري پايه6-31G(d) ساختارهاي بهينه از اين مشتقات بدست آمد. از نرم افزار های Hyperchem، ChemOffice و Gaussian 09W و Dragonبرای بهینه سازی مولکول ها و محاسبات توصیفگرهای شیمی کوانتومی استفاده شده است. در نهایت برای آنالیز داده ها از نرم افزار Unscrambler استفاده گردید. نتایج بدست آمده از این کار نشان می دهد که مدل ANN موفّق 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، ترکیبات 11و 17 از میان 18 ترکیب مورد بررسی در این تحقیق، کمترین انحراف ممکن را دارند و به عنوان مناسب ترین ترکیبات برای ساخت داروهای مهارکننده ی بیماری میگرن، پیش بینی می شوند. همچنین بهترین توصیفگرها عبارت اند از: G1m،VEA1،HATS1u و.Mor025m Descriptor symbol Descriptor group Meaning Descriptor symbol Descriptor group Meaning G1m WHIM descriptors 1st component symmetry directional WHIM index/ weighted by atomic masses VEA1 Eigenvalue-based indices Eigenvector coefficient Sun adjacency matrix HATS1u GETAWAY descriptors Geary autocorrelation – lag / weighted by atomic polarizablities Mor25m 3D MoRSE descriptor 3D-MoRSE-signal 20 / unweighted. ترکیب 11 ترکیب 17 بهترین ترکیبات پیش بینی شده برای ساخت داروی ضد بیماری میگرن کلمات کلیدی: اگزازولیدینون، رابطه ی کمی ساختار- فعالیت (QSAR)، بیماری میگرن، ژنتیک الگوریتم(GA)، الگوریتم رقابت استعماری (ICA)، شبکه ی عصبی مصنوعی (ANN).

تاريخ دفاع : 97-6-22