تتفوق الانحدار المتعدد المتغيرات على العديد من الهياكل القوية لشبكات الأعصاب في نمذجة QSAR

في العقد الماضي، استبدل العديد من المؤلفين الانحدار المتعدد المتغيرات (MR) بخوارزمية الشبكات العصبية (NNs) لأنهم اعتقدوا أن الأخيرة أفضل. للتحقق من ذلك، قمنا بإجراء تحقيق مقارن للعلاقة بين الأنشطة البيولوجية وثوابت البديل التي تمثل المعلمات الفيزيائية والكيميائية لمجموعات البدائل لـ 37 كربوكينون و57 بنزوذيازيبين باستخدام MR وNNs. تم تقديم طريقة جديدة لاختيار الأوصاف في أفضل نماذج MR الممكنة. يجعل استخدام إجراء التعميم الحساب للمعلمات الإحصائية (مثل معامل الارتباط، R) لكل نموذج أبسط بكثير، وتسريع اختيار أفضل نماذج MR. يمكن تطبيق مثل هذا الإجراء على نمذجة QSAR حتى لاختيار أفضل نموذج MR مع ستة أوصاف من مجموعة من 100 وصف. في حال أراد المرء اختيار، على سبيل المثال، أفضل 15 من 100 وصف، تم تطوير إجراء جديد لاختيار الأوصاف بشكل تدريجي في نماذج MR. باستخدام هذا الإجراء، اخترنا ليس واحدًا (كما كان الحال في إجراء MR القديم التدريجي) بل اثنين، ثلاثة، أو أكثر من الأوصاف الجديدة في كل خطوة لاحقة وأضفناها إلى الأوصاف التي تم اختيارها حتى الخطوة السابقة. تم التحقيق في نفس مجموعات البيانات سابقًا بواسطة العديد من خوارزميات الشبكات العصبية (بشكل أساسي القوية) التي تحتوي على طبقة خفية (Aoyama, T. et al. J. Med. Chem. 1990, 33, 2583−2590; Peterson, K. L. J. Chem. Inf. Comput. Sci. 1995, 35, 896−904; Tetko, I. V. J. Chem. Inf. Comput. Sci. 1996, 36, 794−803)، وقد استنتج المؤلفون أن نماذج NNs أفضل من نماذج MR. هذه الشبكات العصبية قوية بشكل أساسي، أي تحتوي على عدد كبير من الروابط، وبناءً عليه، هناك العديد من المعلمات (الأوزان) التي يجب تحسينها. نظرًا لأنه معروف جيدًا أن الشبكات العصبية ذات الطبقات الخفية تأخذ في الاعتبار العمليات غير الخطية، لتكون هناك مقارنة صارمة بين NNs وMR يجب أن تتضمن مجموعة الأوصاف الأولية المستخدمة للحصول على نماذج MR أيضًا عدم الخطية. تم ذلك من خلال توسيع مجموعة الأوصاف الأولية من خلال تضمين المربعات والمنتجات العرضية للأوصاف الأولية. بعد ذلك، تم إجراء مقارنة منهجية بين MR وهذه الهياكل المحددة من NNs على سبعة نماذج QSAR، وكانت نماذج MR متفوقة في جميع الحالات المدروسة.