Salute e malattia
L'analisi di regressione lineare multipla viene utilizzata quando ci sono diversi studi correlati a una specifica struttura chimica. Viene sviluppata un'equazione che, per esempio, può mostrare una relazione tra la riduzione delle dimensioni del tumore e la presenza di un gruppo idrofobico nella quarta posizione di un anello fenilico. Questa analisi riduce molti composti diversi in modo che la correlazione possa essere interpretata usando solo pochi parametri che sono i più importanti.
Il riconoscimento dei pattern viene utilizzato per definire i parametri che risultano quando specifiche strutture chimiche sono raggruppate insieme. Ci sono diversi tipi di analisi di riconoscimento dei pattern, che includono analisi delle componenti principali, valutazione automatizzata della struttura e analisi automatizzata dei dati tramite tecniche di riconoscimento dei pattern. Le statistiche di riconoscimento dei pattern usano dati originali e correleranno le diverse strutture con i risultati biologici basati su diverse dimensioni, con la più significativa nel primo componente calcolato.
Questa versione di QSAR prende l'analisi dei minimi quadrati parziali accoppiata con la validazione incrociata per creare previsioni per l'attività biologica. In questo tipo di metodologia, lo scienziato assegnerà regole specifiche per l'allineamento della struttura molecolare. Ogni molecola viene inserita in una griglia e poi diverse interazioni vengono calcolate basate su interazioni da un atomo sonda alle diverse griglie. Ci sono molte equazioni diverse che possono risultare. A differenza di altri tipi di regressione, questo produce equazioni in cui ci sono molti più parametri che composti possibili.
Apex-3D usa un sistema che seleziona automaticamente il miglior allineamento e conformazione per le strutture basati sulla risposta biologica necessaria da esperimenti precedenti. È possibile scoprire l'effetto di diversi orientamenti di legame, attività antagonista versus agonista ed effetto di diversi recettori. Questo genera matrici topografiche 2D e 3D e può generare informazioni per coppie di molecole piuttosto che singole molecole.
L'approssimazione della funzione genetica viene utilizzata quando ci sono pochi campioni e molte diverse variabili in fase di indagine, e quando i set di dati non hanno relazioni lineari. Questo usa modelli meglio valutati e peggio valutati calcolati dai dati grezzi. Costruisce modelli di qualità sempre migliore sostituendo i modelli peggio valutati. I molti diversi adattamenti multipli vengono poi forniti allo scienziato, che seleziona il modello finale. Le somiglianze tra i modelli vengono studiate per fornire informazioni sulle correlazioni strutturali e biologiche.
Centri di trattamento delle dipendenze