نتایج جستجو

40128

نتیجه یافت شد

مرتبط ترین ها

اعمال فیلتر

به روزترین ها

اعمال فیلتر

پربازدید ترین ها

اعمال فیلتر

پر دانلودترین‌ها

اعمال فیلتر

پر استنادترین‌ها

اعمال فیلتر

تعداد صفحات

4013

انتقال به صفحه



فیلترها/جستجو در نتایج    

فیلترها

سال

بانک‌ها




گروه تخصصی











متن کامل


مرکز اطلاعات علمی SID1
مرکز اطلاعات علمی SID
اسکوپوس
مرکز اطلاعات علمی SID
ریسرچگیت
strs
اطلاعات دوره: 
  • سال: 

    1396
  • دوره: 

    6
  • شماره: 

    4
  • صفحات: 

    1-16
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    1216
  • دانلود: 

    499
چکیده: 

لطفا برای مشاهده چکیده به متن کامل (PDF) مراجعه فرمایید.

آمار یکساله:  

بازدید 1216

دانلود 499 استناد 0 مرجع 13
اطلاعات دوره: 
  • سال: 

    1397
  • دوره: 

    37
  • شماره: 

    2
  • صفحات: 

    137-148
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    414
  • دانلود: 

    163
چکیده: 

مطالعه ارتباط کمی ساختار فعالیت (QSAR) برای مد ل سازی و پیش بینی فعالیت مهارکنندگی PIM، 39 ترکیب از مشتق های تری آزولوپیریدین به کار گرفته شد. نخست پس از رسم و بهینه سازی ساختار ترکیب ها و محاسبه توصیف کننده ها، مجموعه داده ها به صورت تصادفی به دو مجموعه آموزش و آزمون تقسیم شد. در انتخاب مهم ترین توصیف کننده ها روش گام به گام (SW) و الگوریتم ژنتیک (GA) استفاده شد. سپس برای مدل سازی و پیش بینی فعالیت های ترکیب ها از روش برازش خطی چندگانه (MLR) استفاده شد. مقایسه مدل های SW-MLRو GA-MLR نشان داد که GA-MLR نسبت به SW-MLR نتیجه های بهتری به دست می دهد. سپس برای بررسی اعتبار مدل ها از روش های اعتبارسنجی تقاطعی (LOO) و (LGO)، Y-تصادفی و آزمون خارجی استفاده شد. این مطالعه نشان داد که مدل GA-MLR با پنج توصیف کننده می تواند برای پیش بینی فعالیت ترکیب های دارویی همانند به کار رود و همچنین از تحلیل توصیف کننده های مدل می توان در طراحی ترکیب های دارویی نوین استفاده کرد.

آمار یکساله:  

بازدید 414

دانلود 163 استناد 0 مرجع 0
اطلاعات دوره: 
  • سال: 

    2013
  • دوره: 

    0
  • شماره: 

    16
تعامل: 
  • بازدید: 

    2310
  • دانلود: 

    0
کلیدواژه: 
چکیده: 

THERE HAS BEEN GROWING INTERESTS OVER COMPUTATIONAL METHOD TO PREDICT THE ACTIVITIES OF NOVEL BIOCHEMICAL COMPOUNDS BEFORE SYNTHESIS. IN THIS RESPECT, QUANTITATIVE STRUCTUREACTIVITY RELATIONSHIP (QSAR) MODELS HAVE BEEN BUILT BY UTILIZING THE EXPERIMENTAL DATA [1]. USING SUCH AN APPROACH ONE COULD PREDICT THE ACTIVITIES OF NEWLY DESIGNED COMPOUNDS BEFORE A DECISION IS BEING MADE WHETHER THESE COMPOUNDS SHOULD BE REALLY SYNTHESIZED AND TESTED [1-2]. A linear QUANTITATIVE STRUCTURE-ACTIVITY RELATIONSHIP (QSAR) MODEL IS PRESENTED FOR PREDICTING OF THE METALLOPROTEINASE INHIBITORY ACTIVITIES. A DATA SET CONTAINING 31, METALLOPROTEINASE INHIBITORS WITH KNOWN INHIBITORY ACTIVITIES WAS TAKEN AND USED FROM LITERATURE [3]. THE WHOLE DATA SET WAS DIVIDED INTO A TRAINING SET AND A TEST SET RANDOMLY. multiple linear regressions (MLR) WERE EMPLOYED TO MODEL THE RELATIONSHIPS BETWEEN MOLECULAR DESCRIPTORS AND BIOLOGICAL ACTIVITY OF MOLECULES USING THE STEPWISE (SW) METHOD AS VARIABLE SELECTION TOOL [4-5]. THE MLR MODEL GAVE SQUARED CORRELATION COEFFICIENT (R2) OF 0.887 AND SQUARED CROSS-VALIDATED CORRELATION COEFFICIENT (Q2 LOO) OF 0.811 FOR THE TRAINING SET COMPOUNDS. THE BUILT MODEL IS ALSO EVALUATED USING SERIES OF MOLECULES AS TEST SET. THE RESULTS OBTAINED FOR TEST SET (R2=0.955, F=7.93 AND RMSE=0.349) SHOWS THE GOOD PREDICTIVE ABILITY OF MODEL. THE PROPOSED MODEL HAS GOOD STABILITY, ROBUSTNESS AND PREDICTABILITY WHEN VERIFIED BY INTERNAL AND EXTERNAL VALIDATION. THE RESULTS INDICATE THAT THREE MOST RELEVANT DESCRIPTORS INCLUDING ATS5E, MATS4E AND MORE16M WITH THE CONTRIBUTION OF+66.63 (±12.96), +23.99 (±2.008) AND -1.352 (±0.4422), RESPECTIVELY PLAY A CRUCIAL ROLE IN ENHANCING THE INHIBITORY ACTIVITY. IT WAS CONCLUDED THAT BY INCREASING THE ELECTRONEGATIVITY CHARACTERISTIC OF THE MOLECULES AND ALSO DECREASING THE ATOMIC MASS OF THE MOLECULES, THE PIC50 VALUE AS THE INHIBITORY ACTIVITY FOR EACH MOLECULE WOULD BE INCREASE. THE RESULTS FROM THIS QSAR STUDY CAN GUIDE THE DESIGN OF NOVEL CONJUGATES WITH HIGHER METALLOPROTEINASE INHIBITOR ACTIVITY.

آمار یکساله:  

بازدید 2310

دانلود 0
گارگاه ها آموزشی
نویسنده: 

GOUDARZI NASSER | NEKOEI SAEED | NEKOEI MEHDI

اطلاعات دوره: 
  • سال: 

    2015
  • دوره: 

    0
  • شماره: 

    18
تعامل: 
  • بازدید: 

    1260
  • دانلود: 

    0
چکیده: 

BACKGROUND: CHEMOKINES (CHEMOTACTIC CYTOKINES) ARE A FAMILY OF SMALL MOLECULAR WEIGHT PROTEINS INVOLVED IN A VARIETY OF INFLAMMATORY RESPONSES VIA THE CHEMOATTRACTION AND ACTIVATION OF LEUKOCYTES. CCR2B RECEPTOR MAY HAVE BENEFICIAL EFFECTS IN A VARIETY OF INFLAMMATORY DISEASES INCLUDING RHEUMATOID ARTHRITIS, ATHEROSCLEROSIS, GLOMERULONEPHRITIS, AND multiple SCLEROSIS [1-2]...

آمار یکساله:  

بازدید 1260

دانلود 0
نویسندگان: 

PERRON P. | ZHONGJUN QU

نشریه: 

ECONOMETRICA

اطلاعات دوره: 
  • سال: 

    2007
  • دوره: 

    75
  • شماره: 

    2
  • صفحات: 

    459-502
تعامل: 
  • استنادات: 

    315
  • بازدید: 

    9034
  • دانلود: 

    9195
کلیدواژه: 
چکیده: 

آمار یکساله:  

بازدید 9034

دانلود 9195 استناد 315 مرجع 0
اطلاعات دوره: 
  • سال: 

    1389
  • دوره: 

    42
  • شماره: 

    71
  • صفحات: 

    65-72
تعامل: 
  • استنادات: 

    1
  • بازدید: 

    261
  • دانلود: 

    71
چکیده: 

تبریز بعنوان یکی از پنج شهر بزرگ صنعتی و دومین شهر آلوده کشور به حساب می آید. مکانیابی مراکز صنعتی در غرب و جنوب غربی تبریز و وزش باد غالب در فصل های سرد از آن جهات، باعث آلودگی هوای شهر تبریز می شود. بر اساس اطلاعات اداره کل حفاظت محیط زیست استان آذر بایجان شرقی در سال 84، 60 درصد آلودگی هوای تبریز مربوط به صنایع سنگینی است که در جنوب غربی و غرب آن مکانیابی شده اند. در این مقاله یک مدل برمبنای رگرسیون چندگانه (روش خطی) و یک مدل دیگر بر اساس شبکه عصبی (روش غیرخطی) به منظور پیش بینی کوتاه مدت غلظت ازن برحسب شرایط آب و هوایی برای شهر تبریز ارایه شده و در ادامه به مقایسه نتایج به دست آمده از مدل خطی و غیرخطی پرداخته شده است. داده های هواشناسی این تحقیق شامل سرعت باد، رطوبت نسبی، جهت باد، درجه حرارت، بارندگی، فشار هوا، مقدار تابش و مقدار تبخیر از اداره هواشناسی تبریز (ایستگاه هواشناسی تبریز) و داده های آلودگی هوا (غلظت ازن) از اداره کل محیط زیست استان آذربایجان شرقی تهیه گردیده است. در این تحقیق داده های ماههای آذر و دی سال 1385 به صورت ساعتی مورد استفاده قرار گرفته است. داده های آلودگی هوا از میانگین چهار ایستگاه اندازه گیری موجود در تبریز، به دست آمده است. برای آموزش بهینه شبکه، پارامترهای هواشناسی در این پژوهش قبل از اینکه وارد شبکه شوند در محدوده 0 و 1 و غلظت آلودگی در محدوده 9/0- و 9/0 نرمالیزه شدند و از 1253 داده نرمالیزه شده 650 داده برای آموزش شبکه،404 داده برای تایید شبکه و 199 داده برای تست شبکه انتخاب گردید. نتایج به دست آمده نشان می دهند که مدل شبکه های عصبی توانایی بیشتری نسبت به روشهای خطی (رگرسیون چندگانه) داشته است. بطوریکه ضریب همبستگی در مدل رگرسیون چندگانه 45/0 در حالیکه ضریب همبستگی در شبکه های عصبی 91/0 بوده است.

آمار یکساله:  

بازدید 261

دانلود 71 استناد 1 مرجع 0
strs
اطلاعات دوره: 
  • سال: 

    2013
  • دوره: 

    0
  • شماره: 

    16
تعامل: 
  • بازدید: 

    1995
  • دانلود: 

    0
کلیدواژه: 
چکیده: 

QUANTITATIVE STRUCTURE–RETENTION RELATIONSHIP (QSRR) MODELS CORRELATING THE RETENTION TIMES OF FATTY ACID METHYL ESTERS IN OLIVE OIL AND THEIR STRUCTURES WERE DEVELOPED BASED ON NON-linear AND linear MODELING METHODS. THE AID OF PAPER IS PREDICTATION OF RETENTION TIMES OF FATTY ACID METHYL ESTERS IN OLIVE OIL BY CHEMO METRICS METHOD. INTERNAL CORRELATION WAS USED FOR THE SELECTION OF THE VARIABLES THAT RESULTED IN THE BEST-FITTED MODELS. THE TOTAL NUMBER OF DESCRIPTORS WERE CALCULATED WITH DRAGON SOFTWARE AND A SUBSET OF CALCULATED DESCRIPTORS WAS SELECTED FROM 18 CLASSES OF DRAGON DESCRIPTORS WITH A STEPWISE multiple linear REGRESSION (MLR) AS A FEATURE SELECTION TECHNIQUE BY SPSS. 18 SOFTWARE. FOR EVALUATION OF RETENTION TIMES BY SVM METHOD STATISTICA.8 SOFTWARE USED .THE SELECTED DESCRIPTORS WERE CONSIDERED AS INPUTS FOR MULTILAYER PERCEPTRON ARTIFICIAL NEURAL NETWORK (MLP-ANN), SUPPORT VECTOR MACHINE (SVM) AND multiple linear REGRESSION (MLR). SIX DESCRIPTORS FROM FOUR DIFFERENT CATEGORIES DID HAVE HIGHEST EFFECT ON RETENTION TIME MECHANISM OF FATTY ACID METHYL ESTER IN GAS CHROMATOGRAPHY. COMPUTATIONAL RESULT INDICATES THAT THE MLP-ANN METHOD HAS BETTER PREDICTIVE POWER THAN THE OTHER METHODS. THE MODEL WAS ALSO TESTED SUCCESSFULLY BY CROSS VALIDATION METHOD. ROOT MEAN SQUARE ERROR (RMSE) FOR THE SET USING MLP-ANN WAS RMSE = 1.671 WITH REGRESSION COEFFICIENT R2 = 0.952.

آمار یکساله:  

بازدید 1995

دانلود 0
اطلاعات دوره: 
  • سال: 

    1397
  • دوره: 

    50
  • شماره: 

    1
  • صفحات: 

    139-148
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    145
  • دانلود: 

    38
چکیده: 

در یک تقسیم بندی کلان، مدل سازی در برنامه ریزی حمل و نقل به دو دسته سفر-مبنا و فعالیت- مبنا تقسیم می شود در رویکرد فعالیت-مبنا، برای باز تولید زنجیره سفر هر فرد، محل انجام فعالیت های روزانه فرد مدل و در نهایت زنجیره سفر هر فرد استخراج می گردد. از همفزون سازی زنجیره سفر افراد در هر ناحیه برای ساعت مشخص، ماتریس مبدا- مقصد بدست می آید در مقاله جاری، با استفاده از مشخصات اقتصادی-اجتماعی همفزون نواحی و بررسی اثرگذاری مشخصات کاربری زمین، مدل خطی تور هر منطقه باز تولید و ارائه شده است. برای ساخت این مدل از اطلاعات مبدا- مقصد استفاده شده در فرآیند چهارمرحله ای استفاده شده است که نسبت به اطلاعات رویکرد فعالیت- مبنا هزینه گردآوری کمتری لازم دارد. مدل سازی تور شهروندان به دلیل ناهمسانی واریانس خطاها با استفاده از روش حداقل مربعات وزنی صورت پذیرفت که در نتیجه رگرسیون خطی چندگانه وزنی با متغیرهای مستقل جمعیت و تعداد شاغلین بر حسب وزن تعداد شاغلین بدست آمد. ناهمسانی واریانس کارایی مدل را تحت تاثیر قرار می دهد و دیگر ویژگی حداقل واریانس ضرایب تامین نمی شود در مقایسه با نتایج رگرسیون چند گانه معمولی با متغیر مستقل تعداد شاغلین و جمعیت مقدار F برابر با 689 (27 درصد رشد) است. مقدار تست t متغیر مستقل جمعیت از 2.79 در حالت غیر وزنی به 2.72 کاهش پیدا کرده است که تغییر ناچیزی است ولی برای متغیر مستقل از 2.62 به 3.40 (حدود 30 درصد) افزایش پیدا کرده است. علامت ضریب ثابت منفی است ولی مدقار آن بسیار کوچک بوده (در مقایسه با مقدرا بیشینه مشاهده 7202 تور (0.069 درصد) و میانگین 1386 تور (0.36 درصد) و مقدار 0.927) R2) و قابل قبول است.

آمار یکساله:  

بازدید 145

دانلود 38 استناد 0 مرجع 0
نویسندگان: 

Faghihi Kamyar | Safakish Mahdieh | ZARGHI AFSHIN

اطلاعات دوره: 
  • سال: 

    2019
  • دوره: 

    18
  • شماره: 

    3
  • صفحات: 

    1253-1263
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    14209
  • دانلود: 

    17182
چکیده: 

A series of 2-benzoxazolinone, diazocoumarin and quinazoline derivatives have been shown to inhibit HIV replication in cell culture. To understand the pharmacophore properties of selected molecules and design new anti-HIV agents, quantitative structure– activity relationship (QSAR) study was developed using a descriptor selection approach based on the stepwise method. multiple linear regression method was applied to relate the anti-HIV activities of dataset molecules to the selected descriptors. Obtained QSAR model was statistically significant with correlation coefficient R2 of 0. 84 and leave one out coefficient Q2 of 0. 73. The model was validated by test set molecules giving satisfactory prediction value (R2 test) of 0. 79. Molecules also were docked on HIV integrase enzyme and showed important interactions with the key residues in enzyme active site. These data might be helpful for design and discovery of novel anti-HIV compounds.

آمار یکساله:  

بازدید 14209

دانلود 17182 استناد 0 مرجع 0
نویسندگان: 

اطلاعات دوره: 
  • سال: 

    2018
  • دوره: 

    50
  • شماره: 

    7
  • صفحات: 

    785-790
تعامل: 
  • استنادات: 

    315
  • بازدید: 

    154
  • دانلود: 

    9195
کلیدواژه: 
چکیده: 

آمار یکساله:  

بازدید 154

دانلود 9195 استناد 315 مرجع 0
litScript