مدل سازی qsrr شاخص بازداری کروماتوگرافی گازی برخی از آمینواسیدها و کربوکسیلیک اسیدها

تعیین همزمان آمینواسیدها و کربوکسیلیک اسیدهای مختلف و همچنین بررسی تغییرات نسبت بین آن ها اهمیت زیادی در تشخیص بیماری های متابولیک ارثی نظیر فنیل کتونوریا، بیماری ادراری شربت افرا، متیل مالونیک اسیدمیا یا ایزووالریک اسیدمیا دارد. اندازه گیری این ترکیبات با استفاده از کروماتوگرافی گازی و تشخیص آن ها می تواند بر مبنای شاخص بازداری آن ها صورت پذیرد. نظر به اهمیت شاخص بازداری و مشخص نبودن آن برای کلیه اسیدهای آلی از راهکار نظری ارتباط کمی ساختار-بازداری (qsrr) برای پیش بینی آن می توان استفاده کرد. سری داده های انتخاب شده بدین منظور شاخص بازداری 282 آمینواسید نظیر آلانین، لوسین، سرین و کربوکسیلیک اسیدهایی نظیر مالیک اسید، آدیپیک اسید، والریک اسید بر روی ستون های db-5 و db-17 می باشد. توصیف کننده هایی که برای کدگذاری ساختار مولکولی سری داده استفاده شدند با استفاده از نرم افزار دراگون محاسبه شده و از ژنتیک الگوریتم (ga) برای انتخاب توصیف کننده های مهم استفاده گردید. سپس از رگرسیون خطی چندگانه (mlr) برای ایجاد مدل های خطی و ماشین بردار پشتیبان (svm) و شبکه عصبی مصنوعی (ann) برای ایجاد مدل های غیرخطی qsrr استفاده شدند. نتایج بدست آمده با استفاده از این تکنیک ها نشان دادند که مدل های ga-ann خیلی بهتر از مدل های دیگر می باشند. متوسط قدرمطلق خطای نسبی (arae) مدل های فوق برای سری های آموزشی، ارزیابی داخلی و ارزیابی خارجی به ترتیب 038/0، 039/0 و 079/0 برای ستون db-5 و 043/0، 052/0 و 045/0 برای ستون db-17 بودند. قدرت پیش بینی و اعتبار مدل های ساخته شده از طریق روش ارزیابی تقاطعی سنجیده شد. نتایج نشان دادند مقدار q2 برای ستون های db-5 و db-17 به ترتیب برابر با 943/0 و 941/0 بوده که مبین مناسب بودن مدل های بدست آمده می باشند.