1-1-1- بی فنیل های چند کلره(pcbs) ترکیبات پلی کلره بی فنیل (pcbs) گروهی از مواد شیمیایی آلی سنتزی هستند که در حالت خالص، سفید رنگ و کریستاله هستند و ترکیبات صنعتی آن ها، به صورت مایع بی رنگ می باشند. ترکیبات پلی کلرینه بی فنیل بر اثر وارد کردن بی فنیل در گاز کلر در مجاورت پودر آهن یا کلرید آهن به عنوان کاتالیزور به صورت صنعتی تولید می شوند. در مجموع ??? ایزومر متفاوت بر حسب تعداد اتم کلر (? تا ?? اتم کلر) و نحوه جایگزینی بر روی حلقه بنزنی بی فنیل تشکیل می شود که فرمول شیمیایی عمومی آنها به شکل زیر می باشد: شکل (1-1) ساختار کلی بی فنیل های چند کلره خواصی همچون پایداری حرارتی بالا، بی اثر بودن شیمیایی، عدم اشتعال پذیری، مقاومت الکتریکی بالا و ثابت دی الکتریک بالا، روغن هایpcb را جزء ترکیبات اساسی مورد نیاز صنعت مطرح کرده است ]1[. برای چندین دهه ترکیباتpcbs به طور وسیعی در لامپ های فلورسنت، کارخانه های تولید کالاهایی نظیر پلاستیک، تولید چسب، کاغذ های کپی بدون کربن، لوازم آرایشی، منسوجات، ترانسفورماتورها و خازن ها مورد استفاده قرار می گرفت و از طریق پساب این کارخانه ها وارد محیط زیست می شد ]2[. این ترکیبات به علت مقاومت در برابر تجزیه عوامل زنده و غیر زنده در ??? میلیون کیلومتر مربع از کره زمین منتشر شده اند. در میان ??? ترکیب pcbs شش ترکیب آن با نام های تری، تترا، پنتا، هگزا، هپتا و اکتا کلرو بی فنیل به عنوان شاخص های pcbs در آلودگی دریا ها، رودخانه ها و به ویژه مناطق ساحلی نظیر بنادر مورد مطالعه قرار می گیرند. این ترکیبات به راحتی در چربی ها حل می شوند و در بدن موجودات زنده تجمع می یابند. ترکیبات pcbs در بدن از طریق آنزیم مونواکسیژناز عمدتاً به فنیل تغییر می یابند. سرعت اکسیداسیون تابعی از تعداد و جایگاه اتم کلر در حلقه بی فنیل می باشد ]2[. آزمایشات مختلف برای نشان دادن اثرات pcbs بر روی گونه های مختلف نشان داد که این ترکیبات می توانند روی سیستم ایمنی، عصبی، تولید مثل و همچنین میزان ترشح غدد درون ریز بدن این حیوانات تأثیر منفی بگذارند ضمن اینکه این مواد سبب بروز انواع سرطان ها در این حیوانات می شوند اثرات این ترکیبات در انسان شامل بروز انواع سرطان-های صفرا، کبد و مغز در افرادی است که در معرض این ماده شیمیایی قرار داشتند]3.[ در پروسه شیردهی بخش عمده ای از ترکیبات pcbs از بدن مادران دفع می شود. مادران شیرده، ماهانه حدود ?/? میلی گرم pcbs از طریق شیر از بدن دفع می نمایند که این مقدار ? درصد کل pcbs بدن است. در نوزادانی که مادران آنها در زمان بارداری در معرض آلودگی به pcbs قرار گرفتند علائمی نظیر، هیپرپلازی لثه ، مخاطی شدن پوست، آسیب استخوان ها و تولد زودرس مشاهده می شود. ضمن اینکه رشد کند مغزی و تغییرات رفتاری نوزادان تازه متولد شده از مادرانی که شیر آنها محتوی ترکیبات pcbs بود از دیگر عوارض این ترکیبات است ]3.[ 1-2- مروری بر کارهای انجام شده در زمینه پیشگویی فاکتور پیش تغلیظ ترکیبات pcbs آلوده کننده های زیستی مانند pcb ها، pbb ها و ... به طور گسترده ای در صنعت و کشاورزی کاربرد دارند. اغلب این آلوده کننده ها در موجودات زنده، اتمسفر و خاک پراکنده شده اند. برای بررسی خطرات زیستی این ترکیبات تعیین تغلیظ زیستی آن ها در ارگانیسم-های آبزی امری مهم به شمار می آید. این توانایی تغلیظ زیستی با عنوان فاکتور تغلیظ زیستی (bcf) شناخته می شود. در سال 1982 سابل ژیک و همکارانش روش سودمند و موثری برای پیشگویی bcf های ترکیبات شیمیایی مضر پیشنهاد کردند. شاخص های اتصال مولکولی، بر پایه توپولوژی مولکول (تعداد و نوع اتم ها و پیوند شیمیایی آن ها) به عنوان داده های غیر تجربی استفاده شد و محاسبات آن خیلی ساده بود. شاخص های اتصال مولکولی برای دومین لایه خارجی همبستگی زیادی با bcf در ماهی داشت، که برای هالوکربن های مختلف (هیدروکربن ها، بنزن ها، بی فنیل و دی فنیل اکسیدها) در آب روان مشاهده شده اند. در این روش چندین حشره کش با کاربرد وسیع از جمله ddt برای تست توانایی پیشگویی معادله به دست آمده برای ارتباط بینbcf ها و شاخص های اتصال مولکولی انتخاب شدند ]4[. در سال 2000 تائو و همکارانش از روش ثابت فراگمنت برای پیشگویی فاکتور تغلیظ زیستی bcf در ترکیبات شیمیایی غیر قطبی استفاده کردند. بررسی توانایی روش پیشگویی، براساس تست های طبقه به طبقه جک نایف انجام شد ]5[. هم چنین در سال 2002 دیمیترو و همکارانش به پیشگویی bcf در ترکیبات شیمیایی با آبگریزی بالا پرداختند که در آن تاثیر سایز مولکولی را بررسی کردند. در این کار مدل سازی qsar بین لگاریتم ضریب توزیع آب-اکتانول (log kow) و لگاریتم bcf صورت گرفت. این مطالعه ارتباط log bcf/log kowبا سایز مولکولی را در ترکیبات شیمیایی با آب گریزی بالا نشان دادند ]6[. در سال 2003 فاطمی و همکارانش با استفاده از الگوریتم ژنتیک و شبکه عصبی مصنوعی به پیشگویی مقدار bcf پرداخته اند. در این کار انتخاب مهمترین توصیف کننده ها با الگوریتم ژنتیک و رگرسیون چندگانه مرحله ای صورت گرفته است. سپس از این متغیرها به عنوان ورودی های شبکه عصبی استفاده شد ]7[. پاپا و همکارانش در سال 2007 از روش مدل سازی خطی رگرسیون qsar برای پیشگویی bcf استفاده کردند. در این کار بهترین توصیف کننده ها از طریق الگوریتم ژنتیک انتخاب شدند و محاسبات با روش رگرسیون کمترین مربعات انجام شد. در محاسبات خصوصیات فیزیکوشیمیایی (مانند ضریب توزیع آب/ اکتانول و حلالیت آب) و ساختارهای مولکولی، یعنی توصیف کننده های مولکولی ساختاری و کوانتومی در نظر گرفته شدند ]8[. هم چنین در سال 2008 کوئین و همکارانش از روش بردار فاصله الکترونگاتیویته مولکولی (medv) برای پیشگویی bcf در بی فنیل های چند کلره (pcbs) استفاده کردند ]9[. پس از آن در سال 2009 ساهو و همکارانش به پیشگویی bcf در ترکیبات آلی بدن ماهی ها پرداختند. در این کار بهترین مدل از روی مقادیر ضرایب همبستگی، ضرایب ارزیابی متقاطع و خطاهای استاندارد انتخاب شدند و از توصیف کننده های کوانتومی در ساخت مدل استفاده کردند. از مدل به دست آمده این طور استنباط می شود که تا محدوده خاصی bcf با وزن مولکولی ارتباط مستقیم داشته و از آن به بعد ارتباط معکوس دارد ]10[. سرانجام پایر و همکارانش در سال 2010 از روش رگرسیون خطی چندگانه mlr برای پیشگویی مقدار bcf استفاده کردند. در این کار جهت مدل سازی qsar برای پیشگویی bcf از حلالیت آبی و توصیف کننده هایی که تاثیرات الکترونی مختلف را نشان می دهند، استفاده کردند، هم چنین در این کار ضریب توزیع آب/ اکتانول (log p) نیز مورد استفاده قرار گرفته است ]11[.