این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مجله دانشکده پزشکی اصفهان، جلد ۳۵، شماره ۴۲۶، صفحات ۴۰۰-۴۰۵
عنوان فارسی طبقه‌بندی و آنالیز شباهتی پایگاه مولکولی Binding-DB: بررسی کاربرد مدل‌های طبقه‌بندی چند منظوره برای استخراج قوانین تجمعی عمومی از پایگاه‌های بزرگ مولکولی
چکیده فارسی مقاله مقدمه: در این مطالعه، با استفاده از ترکیبی از روش‌های کاهش بعد داده و طبقه‌بندی، ویژگی‌های مواد دارویی مورد بررسی قرار گرفت. تعریف و آماده‌سازی مولکول‌های «غیر فعال» برای توسعه‌ی مدل‌های تفکیکی دوتایی (Two-class classifier) یکی از مشکلات عمده در مسیر استفاده از مدل‌های تفکیکی بر پایه‌ی لیگاند در روند طراحی سیستماتیک دارو می‌باشد. از این رو، با استفاده از مولکول‌های «فعال» موجود در پایگاه Binding-DB، به توسعه‌ی مدل‌های تفکیکی چند متغیره‌ی چند منظوره پرداخته شد. روش‌ها: به این منظور، در حدود 160372 ریز مولکول برای 45 هدف دارویی مختلف از پایگاه مولکولی Binding-DB دانلود شد و پس از بهینه‌سازی ساختار، 1497 ویژگی فیزیکی و شیمیایی برای هر مولکول استخراج ‌گردید. با استفاده از الگوریتم Apriori و ترکیب آن با روش طبقه‌بندی تفکیکی خطی (Linear discriminant analysis)، ویژگی‌های مولکولی برای هر هدف دارویی به منظور تفکیک مولکول‌های فعال استخراج شد. یافته‌ها: در نهایت، با استفاده از غربالگری مجازی در پایگاه داده‌های مولکولی Zinc و Binding-DB و محاسبه‌ی سطح زیر نمودار Receiver operating characteristic (ROC) صحت و حساسیت طبقه‌بندی مورد بررسی قرار گرفت. میزان سطح زیر نمودار ROC برای هر بهینه‌سازی پایگاه Zinc به طور میانگین برابر با 1495/0 ± 8341/0 و در پایگاه Binding-DB به طور میانگین برابر با 1502/0 ± 8615/0 بود. نتیجه‌گیری: می‌توان با استفاده از الگوریتم ارایه شده، ویژگی‌هایی برای هر دسته از ریز مولکول‌های مرتبط با هر هدف دارویی استخراج کرد و پایگاه‌های مولکولی مختلف را برای هر هدف دارویی بهینه‌سازی کرد. سطح زیر نمودار ROC برای دو پایگاه مولکولی مورد بررسی نشان می‌دهد که روش ارایه شده، روش مفیدی برای طبقه‌بندی پایگاه‎های بزرگ مولکولی بدون استفاده از ریز مولکول‌های غیر فعال می‎باشد.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Classification and Similarity Analysis of Binding-Database: A Survey on Application of Multi-Class Classifiers for Deriving General Rules from Large Compound Databases
چکیده انگلیسی مقاله Background: In this research, we extracted and modified features of active ligands related to specific biological targets with combination of data mining and classification methods to aid medicinal chemists in their drug discovery projects. Preparing an inactive ligand is the major problem for development of multi-class classifiers. Therefore, our models were developed based on only active ligands found in Binding-database (DB) without any needs for preparing inactive molecules. Methods: Our database consisted of 160372 ligands in 45 classes of common proteins and 1497 different features (topological, chemistry, physical, etc.) were calculated for each molecule. Then, the specific features of active ligands of any target were extracted based on combination of linear discriminate analysis and Apriori algorithm. Findings: Receiver operating characteristic (ROC) was a useful operator to analysis the accuracy and sensitivity of classification models and retrieving molecules from ZINC and Binding-DB databases. Area under curve (AUC) of this diagram was evaluated for analysis of each target in Zinc and Binding-DB and their results were 0.8341 ± 0.1495 and 0.8615 ± 0.1502, respectively. Conclusion: Specific features of active ligands could be found using the methodology described in this work and with these features, we can sort each database based on corresponding target. AUC shows that the present method is useful for virtual screening in big databases without survey on inactive ligands.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله مرضیه مختاری | marzieh mokhtari
دانشجوی کارشناسی ارشد، گروه مهندسی پزشکی و کمیته ی تحقیقات دانشجویی، دانشکده ی فن آوری های نوین علوم پزشکی، دانشگاه علوم پزشکی اصفهان، اصفهان، ایران
سازمان اصلی تایید شده: دانشگاه علوم پزشکی اصفهان (Isfahan university of medical sciences)

احمد مانی ورنوسفادرانی | ahmad mani varnoosfaderani
استادیار، گروه شیمی تجزیه، دانشکده ی علوم پایه، دانشگاه تربیت مدرس، تهران، ایران
سازمان اصلی تایید شده: دانشگاه تربیت مدرس (Tarbiat modares university)

نشانی اینترنتی http://jims.mui.ac.ir/index.php/jims/article/view/7678
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/103/article-103-401984.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده مقاله پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات