توقع سمية الفينولات والثيوفينول في باستخدام تحليل QSAR مع أدوات إحصائية MLR ANN Prédiction de la toxicité des phénols et thiophenoles en utilisant l'analyse QSAR avec les outils statistiques MLR et ANN
Loading...
Date
2021
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
University of El-Oued
Abstract
"Notre travail a pour but de deviner la toxicité d'un ensemble de composantes chimiques des familles phénols et éthiophénols. Cette étude se base sur la modélisation partielle.
L'objectif est la possibilité de trouver la relation entre la structure partielle et la spécificité physicochimique (structure\toxicité) . Notre étude est faite sur 51composantes chimiques par l'application technique S P R, et cela avec l'utilisation des matrices se basant sur les descripteurs partiels et E P C 50. Cette étude comporte 5 masses de descripteurs partiels (2 D), selon deux techniques : la régression linéaire multiple (MLR) et les calculs de réseaux de neurones artificiels (ANN) qui sont parmi les méthodes de modélisation les plus connues, dans (QSPR) et cela par l'utilisation successive des logiciels (XLSlRA) et (MATLab) . Les bons résultats de la technique(MLR) étaient ceux de l'ensemble des descripteurs topologiques R2 = 0.907 et MSE=O.115. Les résultats de l'ANN du même ensemble étaient très bons parce que R pour training, validation et teste était plus que 0.95.
""يستهدف عملنا التنبؤ بسمية مجموعة من المركبات الكيميائية من عائلة الفينولات و الثيوفينولات , حيث تعتمد هذه الدراسة اساسا على النمذجة الجزيئية.
و يرتكز هذا الهدف على امكانية ايجاد العلاقة بين البنية الجزيئية والخاصية الفيزيوكيميائية (بنية/سمية) , و تمت هذه الدراسة على 51 مركب كيميائي بتطبيق تقنية QSPR وذلك باستعمال مصفوفات تعتمد على الواصفات الجزيئية و EPC50, شملت ھذه الدراسة 5 كتل من الواصفات الجزیئیة (2D)وھذا وفق تقنيتين, الانحدار الخطي المتعدد ( ( MLR وحسابات الشبكة العصبية الاصطناعية (ANN) وهي من طرق النمذجة الاكثر شيوعا في QSPR وهذا باستعمال البرمجية (Xlsta) و (MATlab) على التوالي. وكـانت أحــسن نـتائج في تقنية MLR)) هي نتائج كــتلة) الواصفات الطوبولوجية ) R2=0.907 و MSE=0.115 و كانت نتائج ال( ANN) لنفس الكتلة جيدة حيث انR لكل من Trainingو Validation و Teste اكبر من 0.95 .
"
Description
Génie chimiqueمذكرة ماستر تخصص
Keywords
Modélisation partielle, EPC50, descripteurs partiels, QSRR, régression (MLR), régression (ANN)., النمذجة الجزيئية , EPC50, الواصفات الجزيئية, QSPR, الانحدار(MLR ),الانحدار (ANN).