{
    "metadata": {
        "dataset_id": "shahroodut-thesis",
        "record_id": "QD82",
        "title": "مطالعه کمی ساختار – فعالیت  IC50 برخی از مشتقات گوانین به عنوان در بدن CDK2  بازدارنده",
        "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": "1390",
        "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": "QD82",
        "title": "مطالعه کمی ساختار – فعالیت  IC50 برخی از مشتقات گوانین به عنوان در بدن CDK2  بازدارنده",
        "degree": null,
        "faculty": "شیمی",
        "year": 1390,
        "authors": [
            {
                "name": "پیام کلهر",
                "role": "پدیدآور اصلی"
            },
            {
                "name": "ناصر گودرزی",
                "role": "استاد راهنما"
            },
            {
                "name": "حسین نیکوفرد",
                "role": "استاد مشاور"
            }
        ],
        "keywords": [
            "ارتباط کمی ساختار -فعالیت",
            "ارتباط کمی ساختار – ویژگی",
            "رگرسیون خطی چندگانه",
            "شبکه عصبی مصنوعی",
            "فعالیت بیولوژیکی",
            "شاخص بازداری"
        ],
        "abstract": "در بخش اول این تحقیق، ارتباط کمی ساختار – فعالیت QSAR) 56) ترکیب بازدارنده CDK2 با استفاده از دو روش خطی (رگرسیون خطی چندگانه؛ MLR) و غیر خطی (شبکه عصبی مصنوعی؛ ANN) مدل سازی شد. بازدارنده های CDK2 (کیناز وابسته به حلقه) ترکیباتی هستند که نقش اساسی در تنظیمات سلولی داشته و از تکثیر اضافی سلول ها توسط CDK2 که دچار فعالیت بیش ازحد شده و منجر به سرطان می شوند جلوگیری می کنند. توانایی پیش بینی مدل ها با استفاده از سری ارزیابی، سری تست، روش رد مرحله ای تک-تک و Y- تصادفی مورد ارزیابی قرار گرفت و خطای مجذور میانگین (MSE) برای سری تست به روش غیرخطی و خطی به ترتیب 0/063 و 0/069 می باشد. نتایج حاصله نشان دهنده ی قدرت پیش بینی بهتر مدل غیر خطی می باشد.\r\nدر بخش دوم، ارتباط کمی ساختار – ویژگی (QSPR) مربوط به شاخص بازداری 196 ترکیب مونومتیل آلکان با استفاده از دو روش غیر خطی (شبکه عصبی مصنوعی؛ ANN) و خطی (رگرسیون خطی چندگانه؛ MLR) مدل سازی شد. توانایی پیش بینی مدل ها با استفاده از سری ارزیابی، سری تست، روش رد مرحله ای تک تک و Y- تصادفی مورد ارزیابی قرار گرفت و خطای مجذور میانگین (MSE) برای سری تست به روش غیرخطی و خطی به ترتیب 4/21 و 28/96 می باشد.",
        "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_QD82.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"
    }
}