Zeitschrift für Chromatographie und Trenntechniken
Offener Zugang

Abstrakt

Eine QSRR-Studie zur Retentionszeit von Pestiziden in der Flüssigchromatographie unter Verwendung linearer und nichtlinearer chemometrischer Modelle

Saeid Khodadoust, Nezam Armand, Sadegh Masoudi und Mehdi Ghorbanzadeh

Die quantitative Struktur-Retentions-Beziehung (QSRR) wurde eingesetzt, um die Retentionszeit (min) (RT) von Pestiziden vorherzusagen. Dabei wurden fünf molekulare Deskriptoren verwendet, die mithilfe eines genetischen Algorithmus (GA) als Merkmalsauswahltechnik ausgewählt wurden. Anschließend wurde der Datensatz zufällig in Trainings- und Vorhersagesätze unterteilt. Die ausgewählten Deskriptoren wurden als Eingaben für die Modellierungstechniken Multilineare Regression (MLR), Multilayer Perceptron Neural Network (MLP-NN) und Generalized Regression Neural Network (GR-NN) verwendet, um QSRR-Modelle zu erstellen. Sowohl lineare als auch nichtlineare Modelle weisen eine gute Vorhersagekraft auf, wobei das GR-NN-Modell eine bessere Leistung zeigte als die MLR- und MLP-NN-Modelle. Der mittlere quadratische Fehler der Kreuzvalidierung des Trainings- und des Vorhersagesatzes für das GR-NN-Modell betrug 1,245 und 2,210, und die Korrelationskoeffizienten (R) betrugen 0,975 bzw. 0,937, während der quadratische Korrelationskoeffizient der Kreuzvalidierung (Q2 LOO) für das GR-NN-Modell 0,951 betrug, was die Zuverlässigkeit dieses Modells verdeutlicht. Die erzielten Ergebnisse zeigten, dass GR-NN als Vorhersageinstrument zur Vorhersage von RT-Werten (min) für untersuchte Pestizide verwendet werden könnte.