مدلسازی و پیش بینی فاکتور ظرفیت در کروماتوگرافی سیال فوق بحرانی و نیز پیش بینی سمیت مشتقات بنزن نسبت به یک تک یاخته زیستی با استفاده از اصول qsar

چکیده در بخش اول این پژوهش مدلهای qsrr برای پیش بینی فاکتور بازداری نمونه در کروماتوگرافی سیال فوق بحرانی(sfc) در درصد های مختلف اصلاحگر در فاز متحرک ایجاد شد. سری داده ها شامل بازداری 35 ترکیب آلی مختلف در 0 ،2 ،4 و6 درصد متانول در فاز متحرک است. مدل سازی فاکتور ظرفیت یک بار برای درصدهای مختلف اصلاحگر به طور جداگانه و یک بار به طور همزمان برای تمام شرایط صورت گرفته است. در مدلسازی همزمان، 140 داده بازداری برای 35 ترکیب وجود داشت که این داده ها به سه سری آموزشی، ارزیابی داخلی و ارزیابی خارجی تقسیم شدند. به منظور حصول اطمینان از پراکندگی یکنواخت داده ها در سری های آموزشی، ارزیابی داخلی و ارزیابی خارجی آنالیز پراکندگی داده ها بر روی داده های بازداری مذکور صورت گرفت. توصیف کننده های انتخاب شده با روش انتخاب متغیر رگرسیون خطی مرحله ای عبارتند از: درصد متانول در فاز متحرک، پارامتر قطبیت، اندیس هدایت رهایی اتصال-2، اندیس هدایت رهایی اتصال– 5 ، هیدروژن متصل به هترواتم و محتوای اطلاعات ساختاری ترکیبات. این توصیف کننده ها به منظور مدلسازی خطی و غیر خطی توسط روش های رگرسیون خطی چندگانه ) (mlrو شبکه عصبی مصنوعی (ann) به کار گرفته شده اند. مقدار متوسط مربع خطای پیش بینی (rmse)برای سری های آموزشی، ارزیابی داخلی و ارزیابی داخلی محاسبه شده که در مدل mlr به ترتیب برابر است با 116/0 ، 138/0 و 260/0. در حالی که این مقادیر برای مدل ann به ترتیب برابر است با 036/0 ، 097/0 و 244/0 می باشد. این نتایج و سایر آزمون های آماری دیگر نشان دهنده ی ارجحیت مدل ann نسبت به mlr در پیش بینی فاکتور بازداری در کروماتوگرافی سیال فوق بحرانی می باشد. در بخش دوم ارتباط ساختار- سمیت 392 مشتق بنزن نسبت به یک تک یاخته زیستی با استفاده از توصیف کننده های مولکولی مورد بررسی قرار گرفت. توصیف کننده های مورد استفاده در این بخش با استفاده از نرم افزار codessa وdragon محاسبه شدند. روش های رگرسیون خطی چندگانه ) (mlrو شبکه عصبی مصنوعی (ann) به منظور مدلسازی به کار گرفته شده اند. توصیف کننده های وارد شده در بهترین مدل mlr شامل te، ksi،h046 ، c026،c024 ، rdf020e، mw می باشند. این توصیف کننده ها قادر به سنجش جنبه هایی از رفتار و خواص مولکول ها می باشند که بر بر همکنش های الکترونی، فضایی و چربی دوستی آنها موثر می باشند. پارامترهای آماری بهترین مدل شامل 822/0= 2r و806/1386= f و 312/0= se برای سری آموزشی و 815/0= 2r و384/361= f و 337/0= se برای سری پیش بینی در محاسبه ی log(1/igc50 ) می باشد. برای ارزیابی مدل به دست آمده از روش ارزیابی تقاطعی استفاده شد. مقدار q2 وspress حاصل از این آزمون به ترتیب 819/0 و 32/0 می باشد که نشان دهنده ی اعتبار قابل قبول مدل حاصل است. همچنین نتایج حاصل از تصادفی کردن بردار پاسخ ها نشان دهنده ی این است که در ایجاد مدل حاصل شانس و تصادف نقشی نداشته است. واژه های کلیدی: رابطه کمی ساختار- فعالیت، رگرسیون خطی چندگانه، شبکه عصبی مصنوعی، کروماتوگرافی سیال فوق بحرانی، سمیت.