Odnosi strukture, svojstava i aktivnosti molekula: uporaba uređeno ortogonaliziranih deskroptora

Sažetak: Odnos između strukture molekula, koju opisujemo molekularnim deskriptorima, i svojsrtva ili aktivnosti molekula istraživan je primjenom novog algoritma mnogostruke linearne regresije (MLR) kojim dobivamo modele od neortogonaliziranih i od uređeno ortogonaliziranih deskriptora. Najprije smo...

Full description

Permalink: http://skupni.nsk.hr/Record/nsk.NSK01000222803/Details
Glavni autor: Lučić, Bono (-)
Vrsta građe: Knjiga
Jezik: hrv
Impresum: Zagreb : B. Lučić, 1997
Predmet:
LEADER 04479cam a2200421 i 4500
001 NSK01000222803
003 HR-ZaNSK
005 20070917165721.0
008 981019s1997 ci a m 000 0 hrv
035 |9 (HR-ZaNSK)223039 
035 |9 (HR-ZaNSK)981019042 
035 |a (HR-ZaNSK)000222803 
040 |a HR-ZaNSK  |b hrv  |c HR-ZaNSK  |e ppiak 
041 0 |a hrv 
044 |a ci  |c hr 
080 |a 544.1:519.1 
100 1 |a Lučić, Bono 
245 1 0 |a Odnosi strukture, svojstava i aktivnosti molekula: uporaba uređeno ortogonaliziranih deskroptora :  |b doktorska disertacija /  |c Bono Lučić. 
260 |a Zagreb :  |b B. Lučić,  |c 1997  |e ([s. l. :  |f s. n.]) 
300 |a 82 str. :  |b table, sheme ;  |c 30 cm. 
500 |a Doktor prirodnih znanosti - kemija 
500 |a Mentor: Nenad Trinajstić; Komisija za ocjenu: Vladimir Simeon, Nenad Trinajstić, Davor Juretić; Komisija za obranu: Vladimir Simeon, Nenad Trinajstić, Davor Juretić; 
502 |a Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet, Zagreb, 1997 
504 |a Bibliografija: str. 65-67 
504 |a Sažetak 
520 |a Sažetak: Odnos između strukture molekula, koju opisujemo molekularnim deskriptorima, i svojsrtva ili aktivnosti molekula istraživan je primjenom novog algoritma mnogostruke linearne regresije (MLR) kojim dobivamo modele od neortogonaliziranih i od uređeno ortogonaliziranih deskriptora. Najprije smo odabrali najbolje moguće modele MLR s I neortogonalnih deskriptora odabranih iz početnog skupa od N deskriptora. Takvi su modeli uvijek bolji od modela koji autori dobivaju većinom primjenjujući metodu približnog postupnog odabira deskriptora. Među najboljim I-torkama (I=1,2,..,n;n[N) biramo jednu s K deskriptora koja ima najmanju standardnu pogrešku. Nakon toga proveli smo ortogonalizaciju tih K deskriptora. 
520 |a Ključni je rezultat da neki redosljedi ortogonalizacije vode do modela od k (k [ K) značajnih uređeno ortogonaliziranih deskriptora koji imaju veći koeficijent koleracije R i križno vrednovati koeficijent korelacije Rc negoodgovarajući modeli s istim brojem neortogonaliziranih deskriptora. Nadalje , ti uređeno ortogonalizirani deskriptori daju model koji je bolji i od najboljeg mogućeg modela MLR s neortogonaliziranim deskriptorima. Primjenom tih novih algoritama MLR pokazali smo da algoritmi MLR s neortogonaliziranim i pogotovo oni s uređeno ortogonaliziranim deskriptorima daju bolje modele nego algoritmi neuronskih mreža, parcijalne regresije, glavnih komponenti i genetski algoritmi. 
520 |a Abstract: The relationship between molecular structure, which is described with molecular descriptors, and the property or activity of molecules has been investigated using a novel multivariante linear regression (MLR) algoritms based on the non-orthogonalized and orthogonalized descriptorsets. First, we produced absolutly the best nonorthogonal MLR models with I descriptors selected from the initial set of N descriptor. These are always better than the models that most authors achieve by the use of the stepwise inclusion-exclusion procedure. Among the best I-tuples (I=1,2,...,n;n[N) we choose the optimum one (with K descriptors) which gives model with the smallest standard error. After that, we realized all possible orthogonalization ordering of a given set of K descriptors. 
520 |a The key result is the some orthogonalization orderings lead to models with k (k [ K) significant ordered orthogonalized descriptors that have higher values of both the correlation coefficient R and cross-validated correlation coefficient Rc than the corresponding models with the same number of nonorthogonalized descriptors. In addition, these ordered orthogonalized descriptors procedure modelwhich is better than the best possible MLR models with non-orthogonalized descriptors.Using these novel MLR algoritms we show that boththe MLR algorithm with non-orthogonized, and especially those with ordered orthogonalized descriptors, produce better models than neural network, genetic, partial least squares and principal components algorithms. 
650 7 |a Molekularna struktura  |x Genetski algoritmi  |2 nskps 
700 1 |a Trinajstić, Nenad  |4 cns 
700 1 |a Simeon, Vladimir  |4 oth 
700 1 |a Juretić, Davor,  |c fizičar  |4 oth 
981 |p CRO  |r HRB1997 
998 |n DCD/97  |c sbno9901  |c dkrp9904  |c sdii051007 
852 4 |j DCD-ZG-75/98 
876 |e DCD  |a 75/1998 
886 0 |2 unimarc  |b 04237iam0 2200349 450