تعیین عدد تجمع سورفکتانت های آنیونی بر اساس تکنیک هدایت سنجی: به کارگیری تکنیک مدل سازیQSAR-ANN برای پیش بینی عدد تجمع سورفکتانت ها

در این مطالعه، از یک روش مدل سازی جدید با استفاده از مدل QSAR و شبکه عصبی مصنوعی برای پیش بینی عدد تجمع برخی از سورفکتانت های آنیونی در محلول آبی در دمای 25 درجه سانتی گراد استفاده شده است. عدد تجمع مایسل با استفاده از اندازه گیری های هدایت الکتریکی و روش اوانس برای سورفکتانت های آنیونی در محلول های آبی تعیین شد. اما نتایج به دست آمده با استفاده از این روش، نتایج حاصل از از روش فلورسانس مطابقت خوبی نداشت از آنجایی که روش فلورسانس روش دقیق تری برای محاسبه عدد تجمع مایسل ها می باشد به همین دلیل از نتایج روش فلورسانس در این مطالعه استفاده شد. به منظور ارتباط ساختار مولکولی این سورفکتانت ها با عدد تجمع آن ها، مطالعه ارتباط کمی ساختار-خاصیت (QSPR)  انجام شد. یک مدل شبکه عصبی مصنوعی (ANN)  برای پیش بینی عدد تجمع سورفکتانت های آنیونی با استفاده از چهار مورد از بیش از 3200 توصیف گر مولکولی، محاسبه شده توسط نرم افزار Dragon، به عنوان متغیرهای ورودی، توسعه داده شد. اهمیت توصیف گرهای انتخابی بر اساس روش ANN محاسبه شدند که ترتیب اهمیت آنها بدین صورت می باشد: nC> X5V> MWC05> MWC04. مجموعه کامل 24 سورفکتانت آنیونی به صورت تصادفی به یک مجموعه آموزشی 16 تایی، یک مجموعه آزمایشی 4 تایی و یک مجموعه اعتبارسنجی 4 تایی تقسیم شدند. همچنین از تحلیل رگرسیون خطی چندگانه (MLR) برای ساخت یک مدل خطی با استفاده از توصیف گرهای مشابه استفاده شد. ضریب همبستگی (R2) و ریشه میانگین مربعات خطا (RMSE) مدل های ANN و MLR (برای کل مجموعه داده ها) به ترتیب 94/0، 99/4 و 82/0، 38/8 بود. R2بالاتر روش ANN نشان داد که رابطه بین توصیف گرها و عدد تجمع ترکیبات، غیرخطی است.