{
    "metadata": {
        "dataset_id": "shahroodut-thesis",
        "record_id": "QD91",
        "title": "پیش بینی اثرات بازداری بعضی ترکیبات دارویی باروشهایQSAR",
        "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": "2026-07-08",
        "language": "fa",
        "format": "application/json",
        "contact": "thesis@shahroodut.ac.ir",
        "access": {
            "fulltext_available": "true",
            "public_access": "true"
        }
    },
    "data": {
        "thesis_id": "QD91",
        "title": "پیش بینی اثرات بازداری بعضی ترکیبات دارویی باروشهایQSAR",
        "degree": null,
        "faculty": "شیمی",
        "year": 1390,
        "authors": [
            {
                "name": "فاطمه عامری",
                "role": "پدیدآور اصلی"
            },
            {
                "name": "ناصر گودرزی",
                "role": "استاد راهنما"
            },
            {
                "name": "منصور عرب چم جنگلی",
                "role": "استاد مشاور"
            }
        ],
        "keywords": [
            "QSAR",
            "ثابت بازداری",
            "ضد HIV",
            "شبکه عصبی مصنوعی",
            "رگرسیون خطی چندگانه"
        ],
        "abstract": "در این پروژه، مطالعات ارتباط کمی ساختار- فعالیت ((QSAR بر روی ثابت بازداری k_i ) 77) ترکیب دارویی از مشتقات پایپرازینیل گلوتامات پیریدین که به عنوان ترکیبات ضد لخته شدن خون عمل می کنند، انجام شد. برای انتخاب مهمترین توصیف کننده ها رگرسیون خطی مرحله ای مورد استفاده قرار گرفت، سپس توصیف کننده های مهم به عنوان ورودی برای ایجاد مدل های QSAR با استفاده از رگرسیون خطی چندگانه  (MLR)و شبکه عصبی مصنوعی (ANN)، به کار گرفته شد. اعتبار این مدل ها توسط سری تست و تکنیک های حذف مرحله ای تک تک ((LOO و Y– تصادفی بررسی شد. نتایج نشان داد ضریب تعیین برای پیش بینی ثابت بازداری ترکیبات سری تست با مدل MLR و ANN به ترتیب 0/9458 و 0/9661 است.\r\nدر بخش دوم این تحقیق، روش های MLR و ANN برای مدل سازی و پیش بینی فعالیت ضد HIV یکسری ترکیبات از مشتقات 5،6-دی هیدروکسی پیریمیدین -4- کربوکسامید، استفاده شد. ارزیابی تقاطعی بر روی سری آموزش برای انتخاب بهترین مدل MLR و ANN به کار گرفته شد. ضریب تعیین به دست آمده برای سری تست توسط روش های MLR و ANN به ترتیب 0/9836 و 0/9837 بودند. نتایج به دست آمده توانایی پیش بینی مناسب مدل های پیشنهادی را نشان می دهد.",
        "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_QD91.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"
    }
}