چاپ صفحه |  صفحه نخست سامانه |  چکیده مقاله |  نویسندگان |  دانلود مقاله | دانشگاه علوم پزشکی تبریز |
| نویسنده ثبت کننده مقاله | ابوالفضل برزگر |
| مرحله جاری مقاله | تایید نهایی |
| دانشکده/مرکز مربوطه | دانشکده علوم نوین پزشکی |
| کد مقاله | 61385 |
| عنوان فارسی مقاله | ANN QSAR workflow for predicting the inhibition of HIV-1 reverse transcriptase by pyridinone non-nucleoside derivatives |
| عنوان لاتین مقاله | ANN QSAR workflow for predicting the inhibition of HIV-1 reverse transcriptase by pyridinone non-nucleoside derivatives |
| ناشر | 3 |
| آیا مقاله از طرح تحقیقاتی و یا منتورشیپ استخراج شده است؟ | خیر |
| عنوان نشریه (خارج از لیست فوق) | |
| نوع مقاله | Original Article |
| نحوه ایندکس شدن مقاله | ایندکس شده سطح یک – ISI - Web of Science |
| آدرس لینک مقاله/ همایش در شبکه اینترنت | https://www.future-science.com/doi/full/10.4155/fmc-2017-0040 |
| Aim: Pyridinone derivatives have high potency against non-nucleoside reverse transcriptase inhibitor (NNRTI)-resistant human immunodefciency virus type-1 strains. Quantitative structure–activity relationship (QSAR) studies on a series of pyridinone derivatives acting as NNRTIs are very important in designing the next generation of NNRTIs. Methodology & results: The QSAR models were developed using linear (single and forward stepwise) and combined nonlinear artifcial neural network (ANN) approaches. ANN provided QSAR model with highly correlating values of 0.963, 0.964, 0.920 and 0.917, corresponding to the biological activity pIC50 of the training, validation, testing and all samples, respectively. Conclusion: The nonlinear ANN-QSAR model based on the topological polarizability, geometrical steric, hydrophobicity and substituted benzene functional group indices might be able to help for designing novel pyridinone NNRTIs. |
| نویسنده | نفر چندم مقاله |
|---|---|
| ابوالفضل برزگر | اول |
| نام فایل | تاریخ درج فایل | اندازه فایل | دانلود |
|---|---|---|---|
| 2017-FMC-ANN.pdf | 1396/06/21 | 2335386 | دانلود |
