जीवविज्ञान और चिकित्सा में उन्नत तकनीकें
खुला एक्सेस

अमूर्त

गतिविधि क्लिफ्स के आधार पर QSAR मॉडल की पूर्वानुमान क्षमता की गणना के लिए डेटा सेट विश्लेषण

फातिमा आदिलोवा और अलीशेर इकरामोव

औषधीय रसायन विज्ञान के लिए गतिविधि चट्टान अवधारणा अत्यधिक प्रासंगिक है। यहाँ, हम "डेटा सेट मॉडलेबिलिटी" की अवधारणा का पता लगाते हैं, अर्थात, बायोएक्टिव यौगिकों के डेटा सेट के लिए बाहरी रूप से पूर्वानुमानित QSAR मॉडल प्राप्त करने की व्यवहार्यता का एक पूर्व अनुमान। यह अवधारणा QSAR मॉडल के समग्र प्रदर्शन पर तथाकथित "गतिविधि चट्टानों" के प्रभाव का विश्लेषण करने से उभरी है। "मॉडलेबिलिटी" (SALI, ISAC, और MODI) के कुछ सूचकांक पहले से ही ज्ञात हैं। हमने MODI के संस्करण को वास्तविक गतिविधि मूल्यों वाले यौगिकों के डेटा सेट तक बढ़ाया। QSAR मॉडल की पूर्वानुमानित दक्षता को SVM एल्गोरिदम द्वारा सही वर्गीकरण दर के रूप में व्यक्त किया जाता है, जिसकी तुलना अन्य दो एल्गोरिदम के परिणामों से की जाती है: एल्गोरिदम MODI और वोरोनिन का एल्गोरिदम जिसे लेखकों द्वारा संशोधित किया गया है। पियर्सन के सहसंबंध गुणांक वर्ग का उपयोग करके किए गए परिणामों का तुलनात्मक विश्लेषण। हमारे अध्ययन ने केवल "गतिविधि चट्टानों" के आधार पर डेटा सेट की पूर्वानुमानित दक्षता के मूल्यांकन की अत्यधिक कमी दिखाई। डेटा नमूनों पर प्रभावी मॉडल के निर्माण की संभावना का मूल्यांकन करने की अनुमति देने वाले अधिक सटीक तरीकों के विकास में, नमूने के अन्य गुणों को ध्यान में रखना आवश्यक है, न कि केवल "गतिविधि चट्टानों" की उपस्थिति (और संख्या) को।