مدلسازی اثرات بازدارندگی خوردگی برخی ترکیبات آمینی براساس روش ارتباط کمی فعالیت - ساختمان با استفاده از شبکه های عصبی مصنوعی

در این مقاله مدلسازی رفتار بازدارنده های خوردگی برخی ترکیبات نیتروژن دار توسط روش QSAR با استفاده از تکنیک شبکه عصبی مصنوعی (ANN) انجام شده است در QSAR مراحل مختلف باید طی شود . در ابتدا تعداد 51 مولکول بازدارنده از ترکیبات نیتروژنی با مقدار بازدارندگی تجربی مربوطه به عنوان سری مولکولی انتخاب شدند. سپس این ترکیبات به دو زیرمجموعه تقسیم بندی شدند که 37 مولکول به عنوان سری مرجع و 14 مولکول باقیمانده بعنوان سری پیش بینی شونده انتخاب شدند. در مرحله بعد تعداد 1512 توصیف کننده برای هر ترکیب، محاسبه گردید. سپس توصیف کننده هایی که دارای ضریب همبستگی بیش از 95% و یا مقادیر ثابت یا صفر بودند، حذف گردیده و تعداد 450 توصیف کننده برای هر مولکول برای ادامه محاسبات باقیماند. متعاقبا با به کاربردن تکنیک رگرسیون خطی چندگانه (MLR)، کارآمدترین توصیف کننده ها انتخاب شدند. توصیف کننده های برگزیده شامل 8 توصیف کننده از مجموع 450 توصیف کننده ی اولیه می باشند. این توصیف کننده ها که در توافق کامل با موثرترین متغیرهای تجربی موثر بر خوردگی هستند عمدتا از نوع توصیف کننده های الکترونی و شامل HOMO، پلاریزاسیون، آبدوست، ماکزیمم بار منفی، بار روی نیتروژن، بار جزئی مولکول وغیره می باشند. در نهایت برای بررسی رفتار غیرخطی مولکولهای بازدارنده ، تکنیک شبکه های عصبی پس انتشار به کار گرفته شد. مشخصات شبکه عصبی بهینه به کار برده شده در این کار به صورت 1-3-8 با توابع فعال سیگموئید است نتایج آماری مدلسازی یعنی F,S.E,R برای سری مرجع به ترتیب 970/0 ، 278/5 و 1008 و برای سری پیش بینی شونده به ترتیب 938/0 و 135/9 و 87 است. این نتایج بر توانایی پیش بینی بالای روشهای مدلسازی و کارآمدی بسیار خوب مدل به دست آمده در ارتباط دادن توصیف کننده های ساختاری به بازدارندگی مولکولها، دلالت دارد.

کلیدواژه ها:

مدلسازی ، بازدارندگی خوردگی ، شبکه های عصبی مصنوعی ، QSAR ، ترکیبات آمینی