{
    "metadata": {
        "dataset_id": "shahroodut-thesis",
        "record_id": "QD128",
        "title": "پیش بینی اثرات بازداری بعضی ترکیبات دارویی با روش های QSAR",
        "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": "1391",
        "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": "QD128",
        "title": "پیش بینی اثرات بازداری بعضی ترکیبات دارویی با روش های QSAR",
        "degree": null,
        "faculty": "شیمی",
        "year": 1391,
        "authors": [
            {
                "name": "یلدا قربان ابراهیمی",
                "role": "پدیدآور اصلی"
            },
            {
                "name": "ناصر گودرزی",
                "role": "استاد راهنما"
            },
            {
                "name": "منصور عرب چم جنگلی",
                "role": "استاد مشاور"
            }
        ],
        "keywords": [
            "ارتباط کمی ساختار-فعالیت",
            "ارتباط کمی ساختار- خاصیت",
            "اثر بازداری",
            "شاخص بازداری",
            "رگرسیون خطی چند گانه",
            "شبکه عصبی مصنوعی",
            "الگوریتم ژنتیک"
        ],
        "abstract": "در بخش اول این پروژه، مطالعات کمی ساختار- فعالیت (QSAR) بر روی اثر بازداری pIC50) 40) ترکیب دارویی از مشتقات فنیل آلکیل آمین که به عنوان ترکیبات ضد روان پریشی عمل می کنند، انجام شد. برای انتخاب مهمترین توصیف گرها از روش انتخاب متغیر مرحله ای و الگوریتم ژنتیک استفاده شد. همچنین برای ایجاد مدل جهت پیش بینی اثر بازداری روش رگرسیون خطی چند گانه (MLR) به عنوان یک روش خطی، شبکه عصبی مصنوعی (ANN) به عنوان یک روش غیر خطی به کار برده شد. اعتبار این مدل ها توسط سری تست و تکنیک های حذف مرحله ای تک تک (LOO) و -Yتصادفی بررسی شد. نتایج نشان داد که ضریب تعیین(R^2 ) برای پیش بینی ثابت بازداری ترکیبات سری تست با مدل های SR-MLR، SR-ANNو GA-ANN به ترتیب برابر 0/918 ، 0/951 و 0/835 است.\r\nدر بخش دوم این پروژه برای انتخاب مهمترین توصیف گرها از روش انتخاب متغیر مرحله ای و الگوریتم ژنتیک برای مطالعه ارتباط کمی ساختار- خاصیت (QSPR) شاخص بازداری(RI) بعضی از ترکیبات آلی استفاده شد. همچنین برای ایجاد مدل جهت تعیین شاخص بازداری، روش رگرسیون خطی چند گانه (MLR) به عنوان یک روش خطی و شبکه عصبی مصنوعی (ANN) به عنوان یک روش غیر خطی به کار برده شد. مدل های بدست آمده به وسیله تکنیک توقف زود هنگام توسط سری تست و تکنیک های حذف مرحله ای گروهی (LGO) و Yتصادفی اعتبار سنجی شدند، به طوری که مدل های بدست آمده توسط مدل های SR-MLR، SR-ANN و GA-ANN برای پیش بینی زمان بازداری ترکیبات سری تست که در مراحل ایجاد مدل شرکت نداشتند، به کار برده شد. ضرایب تعیین(R^2) برای آن دسته از ترکیبات به ترتیب برابر با 0/959 ، 0/999 و0/999 بدست آمد.",
        "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_QD128.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"
    }
}