پیش بینی شاخص بازداری ترکیبات تشکیل دهنده‌ی گیاه Ammoides Atlantica با استفاده از روش مطالعه ارتباط کمی ساختار- بازداری (QSRR)
محورهای موضوعی : شیمی کوانتومی و اسپکتروسکوپی
سعید نکوئی
1
(دانشگاه صنعتی شاهرود)
سید عباس طاهری
2
(دانشگاه آزاد شاهرود)
کلید واژه: Genetic Algorithm, الگوریتم ژنتیک, multiple linear regression, رگرسیون خطی چند گانه, ارتباط کمی ساختار- بازداری, Quantitative structure-retention relationship, گیاه Ammoides Atlantica, Ammoides Atlantica,
چکیده مقاله :
روغن های ضروری گیاهی و ترکیبات مرتبط، کاربرد گسترده ای در طب سنتی، صنایع غذایی، صنایع عطرسازی و داروسازی دارند. در این تحقیق، مطالعه ارتباط کمّی ساختار - ویژگی بر روی شاخص بازداری 32 ترکیب از روغن ضروری گیاه AmmoidesAtlantica انجام پذیرفت. از الگوریتم ژنتیک برای انتخاب توصیف کننده ها استفاده شد. برای مدل سازی اندیس بازداری این ترکیبات از روش رگرسیون خطی چندگانه (MLR) به عنوان روش خطی استفاده گردید. برای بررسی اعتبار این مدل ها علاوه بر به کارگیری سری تست، از روش های دیگری همانند حذف مرحله ای تک تک داده ها وY تصادفی استفاده گردید. ضرایب همبستگی برای سری تست توسط مدل MLR برابر 894/0 و درصد خطای نسبی برابر 57/5 بدست آمد. داده های آماری نشان می دهد که روش GA-MLR پیش بینی های قابل قبولی را ارائه نموده است.
Essential oils and related compounds are widely used in traditional medicine, food industry, perfumery and pharmaceutical industries. In this study, a quantitative structure-retention relationship study was performed on the inhibition index of 32 compounds of essential oil of Ammoides Atlantica. Genetic algorithm was used to select the descriptors. Multiple linear regression (MLR) was used as a linear method to model the retention index of these compounds. In order to check the validity of these models, in addition to using the test series, other methods such as LOO and LGO and Y-randomization were used. Correlation coefficients for the test series were obtained by MLR model equal to 0.894 and relative error percentage equal to 5.57. Statistical data show that the GA-MLR method has provided acceptable predictions.
_||_