The Correlation of Biological Activity and Chemical Structure of Quinolizidinyl Derivatives as Inhibitor of Alzheimer’s Disease with Linear and Non-linear Models
سال انتشار: 1395
نوع سند: مقاله ژورنالی
زبان: انگلیسی
مشاهده: 131
فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_ANALCH-3-2_009
تاریخ نمایه سازی: 13 بهمن 1401
چکیده مقاله:
In this research,QSAR study has been carried out on quinolizidinyl derivatives as potent inhibitors of Acetyl and Butyrylcholin esterase in Alzheimer’s disease. Despite significant research efforts in both industry and academia, there are currently no diseases modifying therapies available to treat this illness. Significant evidence suggests that the pathology of AD is linked to generation of β-amyloid peptides (Aβ) through proteolytic processing of amyloid precursor protein (APP). Genetic algorithm (GA), Jack-Knife and stepwise multiple linear regressions (stepwise-MLR) were used to create non-linear and linear QSAR models. The root-mean square errors of the training set and the validation set for GA–ANN model using Jack-Knife method, were ۰.۱۴۰۶, ۰.۲۱۶۵ and R۲ was ۰.۹۰. Also, the R and R۲ values in the gas phase were obtained as ۰.۸۸ and ۰.۷۸ from GA-stepwise MLR model, respectively. Also, we suggest that compounds No.۴, ۶, ۱۰, ۱۴, ۲۴, ۲۶ and ۳۴ have the most appropriate structure for the design of drugs to pharmacists. Electronegativities, atomic polarizability and atomic van der Waals volumes were important descriptors in our study. Geometry optimization of compounds was carried out using the B۳LYP method employing a ۶–۳۱G (d) basis set.
کلیدواژه ها:
نویسندگان
Ghasem Ghasemi
Department of Chemistry, Rasht Branch, Islamic Azad University, Rasht, Iran
Alireza Nemati Rashtehroodi
Department of Chemistry, Payame Noor University, Sari Branch, Sari, Iran
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :