مدل سازی و مطالعه ارتباط کمی ساختار- بازداری (QSRR) ترکیبات تشکیل دهنده ی پوست میوه Citrus. sinensis CV. Thamson استحصال شده با کروماتوگرافی گازی-طیف سنج جرمی با استفاده از الگوریتم ژنتیک-رگرسیون خطی چند گانه
محورهای موضوعی : شیمی کوانتومی و اسپکتروسکوپی
سعید نکوئی
1
(دانشگاه صنعتی شاهرود)
کلید واژه: Genetic Algorithm, الگوریتم ژنتیک, multiple linear regression, رگرسیون خطی چند گانه, ارتباط کمی ساختار- بازداری, Quantitative structure-retention relationship,
چکیده مقاله :
مطالعه ارتباط کمی ساختار-بازداری(QSRR) جهت پیش بینی شاخص کواتس ترکیبات تشکیل دهنده پوست میوه Citrus. sinensisCV. Thamsonبا استفاده از روش رگرسیون خطی چند گانه(MLR) انجام شد. بعد از استحصال اسانس و تزریق آن به دستگاه GC-MS ترکیبات مختلف آن شناسایی گردید. سپس برای انجام مدل سازی و پیش بینی مقادیر اندیس کواتس(KI) ترکیبات، در ابتدا ساختار ترکیبات، رسم و گروه مناسبی از توصیف کننده ها محاسبه شد. سپس از روش انتخاب مرحله ای(SW) و الگوریتم ژنتیک(GA) برای بدست آوردن بهترین توصیف کننده ها که بیشترین ارتباط را با KI ترکیبات مورد نظر داشتند استفاده گردید. برای مدل سازی از روش خطی رگرسیون خطی چند گانه ساخته شد. داده های آماری نشان می دهد که هر دو روش SW-MLR و GA-MLR پیش بینی های قابل قبولی را ارائه نموده است.
Quantitative structure-retention relationship (QSRR) study to predict the kovats index (KI) of Citrus. sinensis CV. Thamson was performed using multiple linear regression (MLR). After extracting the essential oil and injecting it into the GC-MS device, its various compounds were identified. Then, in order to model and predict the quantum index (KI) values of the compounds, first the structure of the compounds, the drawing and the appropriate group of descriptors were calculated. Then the step-wise selection method (SW) and genetic algorithm (GA) were used to obtain the best descriptors that were most related to the KI of the desired compounds. Multiple linear regression was constructed for linear modeling. Statistical data show that both SW-MLR and GA-MLR methods provide acceptable predictions.
_||_