د ا رسة أقصى امتصاص max لأصباغ الآزوبنزين بطريقة

Abstract

تم تطوير نموذج QSPR للتنبؤ بحد أقصى للامتصاص ) λmax ( لجزيئات صبغات Azobenzene . لبناء النموذج تم حساب الواصفات الجزيئية باستخدام طريقة نظرية الكثافة الوظيفية ) DFT / B3LYP / 6-311G dp ( من خلال Gaussian09 و Hyperchem و SwissAdme . كانت الواصفات الأربعة المستخدمة في النموذج المتحصل عليه هي عدد الروابط الدوارة ( Nrotb (، الحجم الجزيئي ) v ( ، والطبيعة الالكتروفيلية ) ω ( والكه ر وسالبية ) χ ( ، التي تعبر عن سمات هيكلية مميزة. تم استخدام مجموعة بيانات من 111 جزيء مع قيم λmax التجريبية المعروفة لتطوير النموذج. تم استخدام الانحدار الخطي المتعدد ) MLR ) لبناء نموذج QSPR ، والذي خضع لتدريب صارم والتحقق من الصحة ، بما في ذلك التحقق المتقاطع والتحليل الإحصائي. حقق النموذج مستوى عا ل من الدقة التنبؤية لتقدير λmax . أشارت المقاييس الإحصائية مثل الانح ا رف المعياري ) s = 12.39 ( ومعامل التحديد ) = 92.42 2R ٪( ومعامل التنبؤ ) = 91.24 loo2Q ٪( إلى اتفاق قوي بين القيم المتوقعة والقيم التجريبية. يعزز نموذج QSPR دقة التنبؤ ب λmax باستخدام أربعة واصفات جزيئية فقط، مما يوفر نهجًا عمليًا وفعالًا . تجعل موثوقيتها ودقتها أداة قيمة للتنبؤ بالخصائص الجزيئية للمركبات الجديدة خارج مجموعة البيانات المستخدمة.A QSPR model was developed to predict the Absorption Maxima (λmax) of Azobenzene Dyes molecules. For building the model molecular descriptors were calculated using the density functional theory method (DFT/B3LYP/6-311G dp) through Gaussian09, Hyperchem, and SwissAdme. The four utilized descriptors in the obtained model were number of rotating bonds (Nrotb), molecular volume (v), electrophilic nature (ω), and electronegativity (χ), capturing distinct structural features. A dataset of 111 molecules with known experimental λmax values was used for model development. Multiple linear regression (MLR) was employed to construct the QSPR model, which underwent rigorous training and validation, including Leave-One-Out Cross-Validation and statistical analysis. The model achieved a high level of predictive accuracy for λmax estimation. Statistical metrics such as standard deviation (s = 12.39), determination coefficient (R2 = 92.42%), and prediction coefficient (Q2loo = 91.24%) indicated strong agreement between predicted and experimental values. QSPR model enhances the prediction accuracy of λmax using only four molecular descriptors, offering a practical and efficient approach. Its reliability and accuracy make it a valuable tool for molecular property prediction of new compounds out of the used data set