{
    "metadata": {
        "dataset_id": "shahroodut-thesis",
        "record_id": "QD43",
        "title": "کاربرد طالعات رابطه‏ کمی ساختار – فعالیت برای پیش ‏بینی و مدل‏سازی فعالیت دارویی برخی از داروهای سنتز شده‏ جدید ",
        "publisher": "دانشگاه صنعتی شاهرود",
        "owner": "کتابخانه مرکزی دانشگاه صنعتی شاهرود",
        "license": "CC-BY-4.0",
        "license_url": "https://creativecommons.org/licenses/by/4.0/",
        "license_text": "استفاده، بازنشر، تحلیل، پردازش و بهره برداری پژوهشی، آموزشی و صنعتی با ذکر منبع دانشگاه صنعتی شاهرود مجاز است.",
        "publication_date": "1388",
        "last_update": "2026-07-11",
        "language": "fa",
        "format": "application/json",
        "contact": "thesis@shahroodut.ac.ir",
        "access": {
            "fulltext_available": "true",
            "public_access": "true"
        }
    },
    "data": {
        "thesis_id": "QD43",
        "title": "کاربرد طالعات رابطه‏ کمی ساختار – فعالیت برای پیش ‏بینی و مدل‏سازی فعالیت دارویی برخی از داروهای سنتز شده‏ جدید ",
        "degree": null,
        "faculty": "شیمی",
        "year": 1388,
        "authors": [
            {
                "name": "الهه شیرپور",
                "role": "پدیدآور اصلی"
            },
            {
                "name": "منصور عرب چم جنگلی",
                "role": "استاد راهنما"
            },
            {
                "name": "قدمعلی باقریان دهقی",
                "role": "استاد مشاور"
            }
        ],
        "keywords": [
            "‏ارتباط کمی ساختار‏- فعالیت",
            "توصیف‏ گر مولکولی",
            "فعالیت دارویی",
            "بازدارنده",
            "شبکه ‏ی عصبی مصنوعی"
        ],
        "abstract": "آنزیم ‏های تیروزین کیناز میانجی ‏های مهم آبشار پیام‏ دهی هستند که نقش کلیدی تعیین ‏کننده ‏ای در فرایندهای بیولوژیکی گوناگون دارند. تحقیقات نشان داده که کاهش فعالیت این آنزیم در بهبود برخی سرطان‏ها تأثیر به ‏سزایی دارد. در بررسی اول رابطه ‏ی کمی ساختار – فعالیت 60 آنالوگ 4- (3 برمو)-6 و 7- دی متوکسی کینازولین که بازدارنده‏ های تیروزین کیناز گیرنده‏ی فاکتور رشد اپیدرمی می‏ باشند، با استفاده از شبکه‏ ی عصبی مصنوعی با الگوریتم آموزشی تنظیم بایزین مورد مطالعه قرار گرفت و با روش رگرسیون خطی چندگانه مقایسه گردید. از میان تعداد زیادی توصیف‏ گر محاسبه شده، فقط 9 توصیف‏ گر بوسیله‏ ی رگرسیون مرحله به مرحله انتخاب و سپس از آن‏ها به عنوان ورودی‏ شبکه استفاده شد. سری داده ‏ها به طور تصادفی به 45 ترکیب سری آموزش، 10 ترکیب سری ارزیابی و 5 ترکیب سری تست تقسیم گردید. مدل‏های رگرسیون خطی چندگانه و شبکه عصبی مصنوعی ساخته شدند. توانایی پیش‏ بینی مدل ‏ها با استفاده از سری ارزیابی، سری تست، روش رد تک تک مورد ارزیابی قرار گرفت و خطای مجذور میانگین (MSE) برای سری ارزیابی، سری تست و روش رد تک تک بترتیب 0/1329، 0/1937 و 0/3367 می‏باشد. نتایج حاصله نشان‏دهنده ‏ی قدرت پیش ‏بینی بالای مدل شبکه ‏ی عصبی مصنوعی می‏باشد. \r\n\tدر بررسی دوم QSAR بازدارنده‏ های نکروپتوسیس (نکروستاتین-5) مورد مطالعه قرار گرفتند (نکروپتوسیس نوعی مرگ سلولی می‏باشد که با نکروسیس و آپوپتوسیس متفاوت است). مجموعه ‏ی داده ‏های مورد بررسی شامل 161 ترکیب از مشتقات نکروستاتین-5 می‏باشد. فعالیت این ترکیبات با استفاده از روش شبکه ‏ی عصبی مصنوعی با الگوریتم آموزشی تنظیم بایزین مورد بررسی قرار گرفت. مدل طراحی شده قادر است که با دقت 100% ترکیبات مورد نظر را از نظر بازدارندگی به دو دسته ‏ی فعال و غیرفعال تقسیم کند. در قسمت دوم با 52 مورد از ترکیبات فعال و ایجاد 8 توصیف‏گر مدل‏هایی با قدرت پیش‏گویی مستقیم pEC50 بر حسب مولار مربوط به هر ترکیب ایجاد شد. خطای مجذور میانگین (MSE) برای سری ارزیابی، سری تست و روش رد تک تک به ترتیب 0/0651، 0/0767 و0/0589 می‏باشد.\r\n\r\nکلید واژه‏ها: ارتباط کمی ساختار‏- فعالیت، توصیف‏گر مولکولی، فعالیت دارویی، بازدارنده، شبکه‏ی عصبی مصنوعی",
        "repository": "کتابخانه مرکزی دانشگاه صنعتی شاهرود",
        "note": "حقوق مادی و معنوی متعلق به دانشگاه صنعتی شاهرود می باشد.",
        "download_url": "https://shahroodut.ac.ir/fa/thesis/files/somefiles/sf_QD43.pdf"
    },
    "dictionary": {
        "thesis_id": "شناسه پایان نامه",
        "title": "عنوان پایان نامه",
        "degree": "مقطع تحصیلی",
        "faculty": "دانشکده",
        "year": "سال دفاع",
        "authors": "پدیدآورندگان",
        "keywords": "کلیدواژه ها",
        "abstract": "چکیده",
        "repository": "محل نگهداری",
        "note": "یادداشت",
        "download_url": "آدرس فایل پایان نامه"
    }
}