مدلسازی qspr پتانسیل اکسایش-کاهش آنتی اکسیدان های فنولی

روابط کمی ساختارـفعالیت یا ویژگی (qsar/qspr) یکی از فنون نویدبخش در زمینه روش های مجازی به منظور پیش بینی ویژگی های شیمیایی است. این روش ها، با استفاده از توصیف کننده هایی که از ساختار مولکولی منتج می شوند، به جستجوی الگویی در داده ها می پردازند تا فعالیت یا ویژگی مواد شیمیایی جدیدی را که ویژگی‏های مولکولی مشابهی دارند، پیش بینی کنند. در بخش اول این پروژه، از روش qspr، جهت پیش بینی پتانسیل اکسایش ـ کاهش 42 آنتی اکسیدان فنولی استفاده شد. به منظور انتخاب مهم ترین توصیف کننده ها از روش رگرسیون خطی چندگانه مرحله ای استفاده گردید. سپس، روش رگرسیون خطی چندگانه (mlr) و شبکه عصبی پرسپترون چند لایه (mlp nn) جهت ساخت مدل های qspr خطی و غیرخطی به کار گرفته شد. مقایسه نتایج آماری این دو مدل نشان داد که مدل mlp nn در پیش بینی پتانسیل اکسایش ـ کاهش آنتی اکسیدان های فنولی از اعتبار بیشتری برخوردار است. بعلاوه، بررسی توصیف کننده های موجود در مدل های qspr نشان داد که خصوصیات الکترونی مشتقات فنولی، نقش مهمی در ویژگی های آنتی اکسیدانی آن ها دارد. در بخش دوم این پروژه، مدل های qspr بر پایه روش های mlr، mlp nn و رگرسیون بردار پشتیبان (svr)، جهت پیش بینی نیمه عمر پالایشی 62 مولکول بای فنیل چندکلره در ماهی قزل آلای رنگین کمان ساخته شد. در این بخش از پروژه، از الگوریتم ژنتیک به عنوان روش انتخاب متغیر استفاده شد. مقادیر عددی بزرگ و و مقدار کم rmse، برتری مدل mlp nn و همچنین وابستگی غیرخطی ویژگی های ساختاری مولکولی به نیمه عمر پالایشی بای فنیل های چندکلره را تأیید می کند. تجزیه و تحلیل توصیف کننده های موجود در مدل ها حاکی از این است که ویژگی های ساختاری 2 بعدی مولکول، تراکم و الکترونگاتیویته از عوامل اصلی در تعیین نیمه عمر پالایشی ترکیبات بای فنیل های چندکلره می باشد