فهرست مقالات ارتباط کمی ساختار- بازداری

• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  1 - مطالعه ارتباط کمی ساختار- بازداری (QSRR) مقادیر اندیس کواتس ترکیبات تشکیل دهنده‌ گیاه Boiss Nepeta macrosiphon
  اعظم وفائی
  مطالعات ارتباط کمی ساختار- بازداری (QSRR) بر روی شاخص بازداری (اندیس کواتس) ترکیبات تشکیل دهنده‌ گیاه Boiss Nepeta macrosiphon انجام گرفت. از روش برازش مرحله ای برای انتخاب توصیف کننده های مناسب استفاده شد. توصیف کننده های انتخاب شده از این روش برای مدل سازی و پیش بینی چکیده کامل

  مطالعات ارتباط کمی ساختار- بازداری (QSRR) بر روی شاخص بازداری (اندیس کواتس) ترکیبات تشکیل دهنده‌ گیاه Boiss Nepeta macrosiphon انجام گرفت. از روش برازش مرحله ای برای انتخاب توصیف کننده های مناسب استفاده شد. توصیف کننده های انتخاب شده از این روش برای مدل سازی و پیش بینی شاخص بازداری این ترکیبات توسط روش رگرسیون خطی چندگانه(MLR) استفاده شد. به منظور بررسی اعتبار مدل از روش های مختلفی مانند به کارگیری سری تست، رد مرحله ای تک تک داده ها و -y تصادفی استفاده گردید. نتایج به دست آمده بیانگر توانایی خوب روش SR-MLR برای پیش بینی شاخص بازداری می باشد. ضرایب تعیین سری آموزش و تست به ترتیب 0.982 و 0.991 بود. پرونده مقاله
• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  2 - پیش بینی شاخص بازداری ترکیبات تشکیل دهنده‌ی گیاه Ammoides Atlantica با استفاده از روش مطالعه ارتباط کمی ساختار- بازداری (QSRR)
  سعید نکوئی سید عباس طاهری
  روغن های ضروری گیاهی و ترکیبات مرتبط، کاربرد گسترده ای در طب سنتی، صنایع غذایی، صنایع عطرسازی و داروسازی دارند. در این تحقیق، مطالعه ارتباط کمّی ساختار - ویژگی بر روی شاخص بازداری 32 ترکیب از روغن ضروری گیاه AmmoidesAtlantica انجام پذیرفت. از الگوریتم ژنتیک برای انتخاب چکیده کامل

  روغن های ضروری گیاهی و ترکیبات مرتبط، کاربرد گسترده ای در طب سنتی، صنایع غذایی، صنایع عطرسازی و داروسازی دارند. در این تحقیق، مطالعه ارتباط کمّی ساختار - ویژگی بر روی شاخص بازداری 32 ترکیب از روغن ضروری گیاه AmmoidesAtlantica انجام پذیرفت. از الگوریتم ژنتیک برای انتخاب توصیف کننده ها استفاده شد. برای مدل سازی اندیس بازداری این ترکیبات از روش رگرسیون خطی چندگانه (MLR) به عنوان روش خطی استفاده گردید. برای بررسی اعتبار این مدل ها علاوه بر به کارگیری سری تست، از روش های دیگری همانند حذف مرحله ای تک تک داده ها وY تصادفی استفاده گردید. ضرایب همبستگی برای سری تست توسط مدل MLR برابر 894/0 و درصد خطای نسبی برابر 57/5 بدست آمد. داده های آماری نشان می دهد که روش GA-MLR پیش بینی های قابل قبولی را ارائه نموده است. پرونده مقاله
• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  3 - مدل سازی و مطالعه ارتباط کمی ساختار- بازداری (QSRR) ترکیبات تشکیل دهنده ی پوست میوه Citrus. sinensis CV. Thamson استحصال شده با کروماتوگرافی گازی-طیف سنج جرمی با استفاده از الگوریتم ژنتیک-رگرسیون خطی چند گانه
  سعید نکوئی
  مطالعه ارتباط کمی ساختار-بازداری(QSRR) جهت پیش بینی شاخص کواتس ترکیبات تشکیل دهنده پوست میوه Citrus. sinensisCV. Thamsonبا استفاده از روش رگرسیون خطی چند گانه(MLR) انجام شد. بعد از استحصال اسانس و تزریق آن به دستگاه GC-MS ترکیبات مختلف آن شناسایی گردید. سپس برای انجام م چکیده کامل

  مطالعه ارتباط کمی ساختار-بازداری(QSRR) جهت پیش بینی شاخص کواتس ترکیبات تشکیل دهنده پوست میوه Citrus. sinensisCV. Thamsonبا استفاده از روش رگرسیون خطی چند گانه(MLR) انجام شد. بعد از استحصال اسانس و تزریق آن به دستگاه GC-MS ترکیبات مختلف آن شناسایی گردید. سپس برای انجام مدل سازی و پیش بینی مقادیر اندیس کواتس(KI) ترکیبات، در ابتدا ساختار ترکیبات، رسم و گروه مناسبی از توصیف کننده ها محاسبه شد. سپس از روش انتخاب مرحله ای(SW) و الگوریتم ژنتیک(GA) برای بدست آوردن بهترین توصیف کننده ها که بیشترین ارتباط را با KI ترکیبات مورد نظر داشتند استفاده گردید. برای مدل سازی از روش خطی رگرسیون خطی چند گانه ساخته شد. داده های آماری نشان می دهد که هر دو روش SW-MLR و GA-MLR پیش بینی های قابل قبولی را ارائه نموده است. پرونده مقاله
• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  4 - مراحل، محاسبات و نتایج حاصل از مطالعات پیش‌بینی‌های نظری ارتباط کمی ساختار بازداری (QSRR) اسانس گیاه میخک زینتی
  مجید محمدحسینی مهدی نکوئی
  در این مقاله، به تشریح مبسوط مدل‌های خطی توانمند در پیش بینی شاخص بازداری کواتس گروه وسیعی از ترکیبات طبیعی شناسایی شده در روغن اسانسی گیاه میخک زینتی به عنوان یکی از گیاهان دارویی پرداخته شده است. در این راستا، اساس کار مبتنی بر روابط کمی ساختار بازداری (QSRR) می‌باشد چکیده کامل

  در این مقاله، به تشریح مبسوط مدل‌های خطی توانمند در پیش بینی شاخص بازداری کواتس گروه وسیعی از ترکیبات طبیعی شناسایی شده در روغن اسانسی گیاه میخک زینتی به عنوان یکی از گیاهان دارویی پرداخته شده است. در این راستا، اساس کار مبتنی بر روابط کمی ساختار بازداری (QSRR) می‌باشد که در منابع علمی از اهمیت بسزایی جهت برقراری ارتباط منطقی و هدفمند بین شاخص کواتس به عنوان یک متغیر وابسته و گروهی از توصیف‌کننده‌های مولکولی به عنوان متغیر‌های مستقل برخوردار است. در این راستا، پس از ترسیم ساختار ترکیبات مفروض در محیط نرم‌افزار هایپرکم و بهینه‌سازی آن‌ها، جهت استخراج توصیف‌کننده‌های مولکولی مربوطه از نرم‌افزار دراگون استفاده شد. در مرحله بعد، پس از حذف توصیف‌کننده‌های غیر مرتبط و اضافی، نهایتاً با روش‌های مرحله‌ای و روش انتخاب متغیر مبتنی بر الگوریتم ژنتیک گروهی از توصیف‌کننده‌های مهم و مؤثر شناسایی و ارتباط خطی آن‌ها با شاخص بازداری کواتس مورد بحث و بررسی قرار گرفت. نتایج حاصله حاکی از توانمندی بالای مدل‌های ارائه شده جهت پیش بینی شاخص کواتس گروه وسیعی از ترکیبات طبیعی دارد. پرونده مقاله