مدلسازی و پیش بینی فاکتور بازداری یک سری از ترکیبات آلی با استفاده اصول QSRR در کروماتوگرافی سیال فوق بحرانی
- سال انتشار: 1388
- محل انتشار: همایش ملی یافته های نوین شیمی در صنعت پزشکی
- کد COI اختصاصی: CHEMISTRYMED01_033
- زبان مقاله: فارسی
- تعداد مشاهده: 1772
نویسندگان
دانشیار- شیمی تجزیه گرایش کمومتریکس
دانشجوی کارشناسی ارشد - شیمی تجزیه گرایش کمومتریکس
چکیده
در این پژوهش ارتباط کمی ساختار فعالیت برای مدلسازی و پیش بینی فاکتور ظرفیت ('k ) در کروماتوگرافی سیال فوق بحرانی(SFC) به کار رفته است. در ابتدا مولکول هایی به عنوان سری داده ها انتخاب شدند و سپس این مولکولها به طور تصادفی به سه دسته تقسیم شدند: سری آموزشی، پیش بینی و آزمایشی. به کمک روش های انتخاب متغیر.توصیف کننده های مهمتر انتخاب و سپس به کمک روش رگرسیون خطی چندتایی (MLR) و شبکه های عصبی مصنوعی (ANN) بین این توصیف کننده ها و کمیت مورد نظر مدلسازی انجام شد. بدین منظور ابتدا پارامتهای شبکه عصبی مصنوعی که شامل تعداد گره های لایه ی مخفی ، ممنتوم و سرعت آموزش وزن ها وبایاس می باشد با استفاده از داده های سری آموزشی بهینه شدند. سری آموزشی و پیش بینی برای ساختن و بهینه کردن مدل QSRR استفاده می شود و سری ارزیابی برای سنجش قدرت پیش بینی مدل به کارمی رود. نتایج حاصل از بررسی ها، برتری مدل ANN را به MLR نشان میدهد. این امر می تواند ناشی از توانایی شبکه های عصبی مصنوعی در توجه کردن به برهم کنش بین توصیف کننده ها و در نظر گرفتن امکان ارتباط غیر خطی بین آنها و فعالیت مورد مدلسازی باشد.کلیدواژه ها
کروماتوگرافی سیال فوق بحرانی - رگرسیون خطی چند تایی- شبکه عصبی مصنوعیمقالات مرتبط جدید
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.