مطالعه ارتباط کمی ساختار- فعالیت برای پیش‌‌بینی شاخص LD50 در آفت‌کش‌های ارگانوفسفات
محورهای موضوعی : حشره شناسی و سایر بندپایان
عصمت محمدی نسب
1
(داﻧﺸﮕﺎه آزاد اﺳﻼﻣﻲ، واﺣﺪ اراک، ﮔﺮوه شیمی، اراک، ایران)
مینا کیانپور
2
(داﻧﺸﮕﺎه آزاد اﺳﻼﻣﻲ، واﺣﺪ اراک، ﮔﺮوه شیمی، اراک، ایران)
کلید واژه: Artificial Neural Network, QSAR, Multiple Linear Regression Method, واژه‌های کلیدی: ", ترکیبات ارگانوفسفات", , ", متوسط دوز کشنده", , ", رابطه کمی ساختار-فعالیت", , ", شبکه عصبی مصنوعی", , ", روش رگرسیون خطی چندگانه", , Key words: Organophosphate compounds, LD50,
چکیده مقاله :
سموم ارگانوفسفات از جمله سموم شیمیایی خطرناک برای سلامت انسان محسوب می شوند. بسیاری از محققین، با وجود رعایت اصول ایمنی و جلوگیری از مواجهه با خطرات ناشی از استفاده از ترکیبات شیمیایی، به منظور بررسی میزان سمیت ترکیبات ارگانوفسفات در تماس با این سموم قرار دارند و احتمال جذب این سموم از طریق پوست وجود دارد. مطالعه ارتباط ساختار - فعالیت با کمک رو ش ها و مدل های تئوری پیش بینی کننده، با صرف حداقل وقت و هزینه، امکان دست یابی به داده ها، اطلاعات و خواص فیزیکی- شیمیایی ترکیبات مورد نظر را فراهم می نماید. در این مطالعه، روش های رگرسیون خطی چندگانه و شبکه عصبی مصنوعی با مدل پرسپترون چند لایه با هدف بررسی ارتباط کمی شاخص سمیت LD50با برخی توصیف گرهای مولکولی، در برخی ترکیبات ارگانوفسفات به کار گرفته شد. بررسی مقادیر ضرایب همبستگی و میزان جذر خطای مجذور میانگین مدل های پیشنهادی در این مطالعه نشان داد که روش شبکه عصبی مصنوعی در پیش بینی شاخص سمیت LD50 در ترکیبات ارگانوفسفات نسبت به روش رگرسیون خطی چندگانه، از برتری بسیار بالایی برخوردار می باشد.
The organophosphate pesticides are considered as dangerous chemical pesticides for human health. The possibility of absorbing these toxins through the skin is accessible to many researchers who have been studying the toxicity of organophosphate compounds. Experimental methods are time-consuming and high cost, and they come with a lot of dangers. Quantitative structure activity/property relationship studies provide the capability to access data, information and physico-chemical properties of chemical compounds, using the methods and modeling. In this study, the multiple regression linear method and the artificial neural network with multi-layer perceptron (MLP) model were used to investigate the quantitative relationship of LD50 (mgkg-1) toxicity index with some molecular descriptors of some organophosphate compounds. Investigation of correlation coefficients and root mean square errors values of final models in this study showed that ANN method using the MLP model was higher than the MLR method for prediction of LD50(mgkg-1) of organophosphates compounds.
_||_