000			02782nam a22003257i 4500
001			AZUAY-95014
003			AZUAY
005			20251111043107.0
008			251108b ||||||||qm||| 00| | d
040			_aAZUAY _bspa _cAZUAY _dAZUAY _erda
041	0		_aspa
084			_aUDA-BG T20534
100	1		_aCordero Jarrín, Ivanna Renata, _eautor
245	1	0	_aDesarrollo de una relación cuantitativa estructura-actividad para la actividad antiinflamatoria de alcaloides
264	3	1	_aEcuador : _bUniversidad del Azuay-Facultad de Medicina-Escuela de Medicina, _c2023
300			_a17 páginas
300			_bDigital
336			_2rdacontent _atexto _btxt
337			_2rdamedia _acomputadora _bc
338			_2rdacarrier _arecurso en línea _bcr
502			_aMédico General
520	3		_bEl objetivo de este trabajo fue calibrar diversas relaciones cuantitativas estructura-actividad (QSAR) para la predicción de la actividad antiinflamatoria de alcaloides.La base de datos está compuesta por 58 moléculas activas y 42 inactivas. Su estructura molecular fue modelada por el método de mecánica molecular (MM+) y el método semiempírico PM3. Las estructuras optimizadas se utilizaron para calcular diversos descriptores moleculares, huellas dactilares moleculares y claves estructurales. Se aplicó el método de reducción de variables basado en el algoritmo de Wootton, Sergent, Phan-Tan-Luu (V-WSP) para reducir la presencia de ruido, multicolinealidad y redundancia en el grupo inicial de descriptores. Con la base de datos curada se desarrollaron diversos modelos del aprendizaje automático basados en clasificadores lineales y no lineales. Para la validación del modelo, la base de datos se dividió de forma aleatoria en conjuntos de calibración (70 %) y predicción (30 %), manteniendo la proporción de las clases. Para la selección supervisada de los descriptores, se acoplaron los algoritmos genéticos (GAs-VSS) con los diversos clasificadores. Durante la calibración de los modelos se aplicó la validación cruzada de ventanas venecianas con cinco grupos de exclusión para evitar la presencia de sobreajuste. El desempeño de los modelos se cuantificó mediante la tasa de aciertos (NER). Entre los once modelos calibrados, el clasificador kNN exhibió la mejor capacidad predictiva para todas las formas de representación molecular. Estos modelos cumplen con los principios establecidos por la Organización para la Cooperación y el Desarrollo Económicos.
650	1	4	_aACCIÓN ANTIINFLAMATORIA
650	1	4	_aALCALOIDES
650	1	4	_aMODELO QSAR
650	1	4	_aMODELOS DE CLASIFICACIÓN
700	1		_aTenesaca Castro, María Belén, _eautor
856	4	0	_uhttp://dspace.uazuay.edu.ec/handle/datos/15018 _yVer documento en línea
942			_2z _c6
999			_c45648 _d45648