DEVELOPMENT OF NEW METAL-THIOSEMICARBAZONE COMPLEXES BASED ON THE QSPR MODELING USING MLR AND ANN METHODS

  • Nguyen Minh Quang
  • Tran Nguyen Minh An
  • Pham Van Tat
Keywords: Artificial neural network, Multivariate linear regression, QSPR, Stability constants logβ11, Thiosemicarbazone

Abstract

Trong nghiên cứu này, hằng số bền (log11) của 31 phức chất mới giữa một số ion kim loại và dẫn
xuất thiosemicarbazone được dự đoán từ kết quả của sự mô hình hóa mối quan hệ định lượng cấu trúctính chất (QSPR). Những mô hình QSPR này được phát triển từ 76 giá trị log11 của các phức chất
thực nghiệm bằng cách sử dụng hai phương pháp phổ biến như hồi quy tuyến tính đa biến (QSPRMLR)
và mạng nơ ron nhân tạo (QSPRANN). Bộ mô tả của các phức chất được tính toán từ cấu trúc tối ưu,
trong đó các cấu trúc này được tối ưu bằng các tính toán hóa lượng tử bán thực nghiệm với phương
pháp mới PM7. Mô hình QSPRMLR tốt nhất tìm được bao gồm năm mô tả: diện tích Cosmo, thể tích
Cosmo, ko, SHBa và Gmin. Kết quả nhận được các giá trị thống kê phù hợp (R2train = 0,821; Q2LOO
= 0,789; RMSE = 0,745; Fstat = 64,3644 và PRESS = 45,92). Hơn nữa, mô hình mạng nơ ron
QSPRANN với kiến trúc I(5)-HL(10)-O(1) được tìm thấy với các giá trị thống kê: R2train = 0,9567,
Q2validation = 0,9841 và Q2test = 0,9825. Những mô hình QSPR này đã được kiểm tra chặt chẽ bằng
các kỹ thuật đánh giá ngoại và kết quả rất gần với giá trị thực nghiệm. Vì vậy, các kết quả từ các mô
hình QSPR có thể được sử dụng để thiết kế các phức chất mới nhằm ứng dụng trong hóa học phân tích.

điểm /   đánh giá
Published
2023-02-28