مدل سازی و مطالعه ارتباط کمی ساختار-خاصیت ( QSPR) جهت پیش بینی ثابت های اسیدی برخی از ترکیبات شیمیایی با استفاده از رگرسیون خطی چندگانه و ماشین بردار پشتیبان
محورهای موضوعی : شیمی کوانتومی و اسپکتروسکوپی
مهدی نکوئی
1
(دانشگاه آزاد اسلامی واحد شاهرود)
سید عباس طاهری
2
(دانشگاه آزاد شاهرود)
مجید محمدحسینی
3
(دانشگاه آزاد شاهرود)
کلید واژه: ماشین بردار پشتیبان, ثابت های اسیدی) (pKa, رگرسیون خطی چندگانه, ارتباط کمی ساختار- خاصیت,
چکیده مقاله :
مدل سازی و مطالعه ارتباط کمی ساختار-خاصیت(QSPR) جهت پیش بینی ثابت های اسیدی برخی از ترکیبات شیمیایی با استفاده از روش رگرسیون خطی چند گانه(MLR) و ماشین بردار پشتیبان (SVM) انجام شد. در ابتدا ساختار ترکیبات شیمیایی، ترسیم و گروه مناسبی از توصیف کننده‌ها محاسبه گردید. سپس با استفاده از روش انتخاب مرحله‌ای برای بدست آوردن بهترین توصیف کننده‌ها که بیشترین ارتباط را با خاصیت شیمیایی ترکیبات مورد نظر داشتند استفاده گردید. سپس از مدل خطی رگرسیون خطی چندگانه(MLR) و مدل غیرخطی ماشین بردارشتیبان (SVM) جهت پیش بینی ثابت های اسیدی ترکیبات استفاده گردید. داده های آماری، حاکی از برتری روش SVM نسبت به روش MLR بود.
Modeling and studying the structure-property quantitative relationship (QSPR) to predict the acidic constants of some chemical compounds were performed using multiple linear regression (MLR) and support vector machine (SVM). First, the structure of chemical compounds was plotted and a suitable group of descriptors was calculated. Then, the step selection method was used to obtain the best descriptors that were most related to the chemical properties of the compounds. Then, linear multiple linear regression (MLR) model and nonlinear vector machine (SVM) model were used to predict the acid constants of the compounds. Statistical data showed that the SVM method was superior to the MLR method.
_||_