طبقه بندی و آنالیز شباهتی پایگاه مولکولی Binding-DB: بررسی کاربرد مدل های طبقه بندی چند منظوره برای استخراج قوانین تجمعی عمومی از پایگاه های بزرگ مولکولی

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 طبقه بندی و آنالیز شباهتی پایگاه مولکولی Binding-DB: بررسی کاربرد مدل های طبقه بندی چند منظوره برای استخراج قوانین تجمعی عمومی از پایگاه های بزرگ مولکولی دارای ۸ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد طبقه بندی و آنالیز شباهتی پایگاه مولکولی Binding-DB: بررسی کاربرد مدل های طبقه بندی چند منظوره برای استخراج قوانین تجمعی عمومی از پایگاه های بزرگ مولکولی  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی طبقه بندی و آنالیز شباهتی پایگاه مولکولی Binding-DB: بررسی کاربرد مدل های طبقه بندی چند منظوره برای استخراج قوانین تجمعی عمومی از پایگاه های بزرگ مولکولی،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن طبقه بندی و آنالیز شباهتی پایگاه مولکولی Binding-DB: بررسی کاربرد مدل های طبقه بندی چند منظوره برای استخراج قوانین تجمعی عمومی از پایگاه های بزرگ مولکولی :

نام کنفرانس، همایش یا نشریه : مجله دانشکده پزشکی اصفهان

تعداد صفحات :۸

مقدمه: در این مطالعه، با استفاده از ترکیبی از روش های کاهش بعد داده و طبقه بندی، ویژگی های مواد دارویی مورد بررسی قرار گرفت. تعریف و آماده سازی مولکول های «غیر فعال» برای توسعه مدل های تفکیکی دوتایی (Two-class classifier) یکی از مشکلات عمده در مسیر استفاده از مدل های تفکیکی بر پایه لیگاند در روند طراحی سیستماتیک دارو می باشد. از این رو، با استفاده از مولکول های «فعال» موجود در پایگاه Binding-DB، به توسعه مدل های تفکیکی چند متغیره چند منظوره پرداخته شد.روش ها: به این منظور، در حدود ۱۶۰۳۷۲ ریز مولکول برای ۴۵ هدف دارویی مختلف از پایگاه مولکولی Binding-DB دانلود شد و پس از بهینه سازی ساختار، ۱۴۹۷ ویژگی فیزیکی و شیمیایی برای هر مولکول استخراج گردید. با استفاده از الگوریتم Apriori و ترکیب آن با روش طبقه بندی تفکیکی خطی (Linear discriminant analysis)، ویژگی های مولکولی برای هر هدف دارویی به منظور تفکیک مولکول های فعال استخراج شد.یافته ها: در نهایت، با استفاده از غربالگری مجازی در پایگاه داده های مولکولی Zinc و Binding-DB و محاسبه سطح زیر نمودار Receiver operating characteristic( ROC) صحت و حساسیت طبقه بندی مورد بررسی قرار گرفت. میزان سطح زیر نمودار ROC برای هر بهینه سازی پایگاه Zinc به طور میانگین برابر با ۰.۸۳۴۱±۰.۱۴۹۵ و در پایگاه Binding-DB به طور میانگین برابر با ۰.۸۶۱۵±۰.۱۵۰۲ بود.نتیجه گیری: می توان با استفاده از الگوریتم ارایه شده، ویژگی هایی برای هر دسته از ریز مولکول های مرتبط با هر هدف دارویی استخراج کرد و پایگاه های مولکولی مختلف را برای هر هدف دارویی بهینه سازی کرد. سطح زیر نمودار ROC برای دو پایگاه مولکولی مورد بررسی نشان می دهد که روش ارایه شده، روش مفیدی برای طبقه بندی پایگاه های بزرگ مولکولی بدون استفاده از ریز مولکول های غیر فعال می باشد.

کلید واژه: غربالگری مجازی، طبقه بندی چند منظوره، بررسی داده، طبقه بندی پایگاه داده، لیگاند