پیش بینی سمیت برخی آفت کش ها علیه پنج گونه مختلف پرندگان با استفاده از الگوی ارتباط کمی ساختار- سمیت
محل انتشار: مجله زیست شناسی جانوری تجربی، دوره: 12، شماره: 4
سال انتشار: 1403
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 65
فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_EAB-12-4_007
تاریخ نمایه سازی: 6 مرداد 1403
چکیده مقاله:
افزایش تقاضای کشاورزی به استفاده از آفت کش ها، موجودات غیرهدف مانند گونه های پرندگان را تهدید کرده و در سیستم اکولوژی اختلال ایجاد کرده است. بنابراین، با توجه به روش های کاربرد و ماهیت آفتکش ها، آزمایش سمیت پرندگان و حفاظت گونه های مختلف پرندگان در معرض خطر از منظر ایمنی اکوسیستم یک نیاز ضروری است. در این مطالعه، مدل سازی رابطه کمی ساختار- سمیت برای تخمین سمیت ۲۴۴ نوع آفت کش بر روی پنج گونه پرنده شامل بلدرچین سفید، اردک، قرقاول، گنجشک خانگی و بلدرچین ژاپنی برای اولین بار انجام شده است. تمام دادهها به صورت تصادفی به چهار سری شامل سری آموزش فعال، آموزش غیرفعال، کالیبراسیون و دسته آزمون تقسیم شدند. توصیف گرهای بهینه هیبریدی، حاصل از ترکیب توصیف گرهای شبه-اسملی (quasi-SMILES) و گراف مولکولی بدون هیدروژن (HSG) براساس یک تابع هدف جدید برای تولید مدل های QSTR استفاده شد. چهار تابع هدف (TF۰، TF۱، TF۲ و TF۳) برای توسعه مدل های QSTR به کار گرفته شد و پتانسیل پیش بینی این مدل ها با استفاده از سری آزمون مورد ارزیابی قرار گرفت. از میان مدل های به دست آمده، مدل های QSTR طراحی شده با استفاده از تابع هدف TF۳ با محدوده ۸۱۳۱/۰-۷۲۱۸/۰R۲ = و ۷۸۷۸/۰-۷۰۳۱/۰Q۲ = از لحاظ آماری، مدل ها بودند. بهترین مدل از نظر آماری، مدل شماره شش، با مقادیر R۲ برای دسته آموزش فعال، آموزش غیرفعال، کالیبراسیون و اعتبارسنجی به ترتیب برابر ۸۳۶/۰، ۸۵۲/۰، ۸۰۶/۰ و ۸۱۳/۰ می باشد. مقادیر میانگین خطای مطلق (MAE) برای دسته آموزش فعال، آموزش غیرفعال، کالیبراسیون و اعتبارسنجی به ترتیب برابر ۳۷۱/۰، ۳۴۲/۰، ۴۰۹/۰ و ۳۶۲/۰ بیانگر دقت مدل ایجادشده به منظور پیش بینی سمیت آفت کش ها بر علیه پنج گونه مختلف پرندگان می باشد. از نتایج حاصل از این مدل سازی، توصیف گرهای با اهمیت برای افزایش و کاهش متوسط غلظت موثر سمیت (pLD۵۰) شناسایی شدند. با استفاده از مدل های QSTR به دست آمده از این مطالعه، پیش بینی سمیت (pLD۵۰) آفت کش های جدید حتی قبل از سنتز آن ها تنها با داشتن نماد SMILES از آفتکش ها امکان پذیر می شود که می تواند به کاهش زمان، منابع، هزینه ها و نیاز به حیوانات آزمایشگاهی کمک کند.
کلیدواژه ها:
نویسندگان
شهین احمدی
گروه شیمی (محض-دارویی)، دانشکده شیمی دارویی، علوم پزشکی تهران، دانشگاه آزاد اسلامی، تهران، ایران
شهرام لطفی
گروه شیمی، دانشگاه پیام نور، تهران، ایران
لیلا شماخی
گروه شیمی، دانشگاه پیام نور، تهران، ایران
علی عظیمی
گروه شیمی، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :