مدل سازی qsprاندیس بازداری هیدروکربن های آروماتیک چندحلقه ای با روش رگرسیون خطی چند گانه وشبکه عصبی مصنوعی

در این تحقیق از مطالعات کمی ساختار-خاصیت جهت مدل سازی و پیش بینی اندیس بازداری یک سری از هیدروکربن های آروماتیک چند حلقه ای (pahs) استفاده شده است. این ترکیبات به دلیل خاصیت سمی و سرطان زا بودنشان، اثرات مضری بر روی سلامت انسانها و محیط پیرامونشان دارند. به همین دلیل از دیر باز مورد توجه بسیاری از دانش مندان بوده اند. منابع مختلف انسانی و طبیعی از جمله احتراق ناقص سوخت های فسیلی و مواد آلی منجر به تولید دسته ی وسیعی از این هیدروکربن ها می شوند. اندیس بازداری(ri) پارامتری است که برای جداسازی، شناسایی کمی و کیفی بسیاری از هیدروکربن های آروماتیک چند حلقه ای استفاده می شود. این خاصیت با روش هایی چون کروماتوگرافی مایع با عملکرد بالا و کروماتوگرافی گازی با آشکار ساز طیف سنج جرمی قابل اندازه گیری می باشد. اندیس بازداری بازتابی از برهمکنش مولکول با فاز ساکن ستون گروماتوگرافی است. این برهمکنش وابسته به ویژه گی های ساختاری مولکول می باشد. مطالعات کمی ساختار-خاصیت (qspr) به خوبی ارتباط بین ویژه گی های ساختاری و اندیس بازداری هیدروکربن های آروماتیک چند حلقه ای را توجیه کرده و این پارامتر را پیش بینی می کند. به همین منظور ابتدا ساختار ترکیبات با استفاده از نرم افزار hyperchem رسم شد. سپس توصیف کننده های ساختاری با استفاده از نرم افزار dragon محاسبه شدند. سرانجام با استفاده از مقادیر عددی توصیف کننده ها و اندیس بازداری 83 هیدروکربن آروماتیک چند حلقه ای، ابتدا با رگرسیون خطی (mlr) مدل خطی ساخته شد. سپس با استفاده از شبکه ی عصبی مصنوعی (ann) اندیس بازداری برای ترکیبات pah پیش بینی شد. نتایج، برتری مدل غیر خطی را در پیش بینی اندیس بازداری نشان دادند.