Méthodes assistées par ordinateur pour la prédiction de la solubilité et la température d’ébullition des phénols et des indices de rétention des pyrazines
No Thumbnail Available
Date
2020
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
Les relations quantitatives structure-propriété (QSPR) sont très utiles pour comprendre
comment la structure chimique se corrèle avec la propriété des produits chimiques naturels et
synthétiques. Dans le présent travail, des modèles QSPR ont été développés pour la prédiction
de trois caractéristiques environnementales importantes d'un ensemble hétérogène de
composés.
Des techniques de régression linéaire multiple (MLR) et de réseau neural artificiel (ANN) ont
été utilisées pour les études quantitatives de la relation structure-solubilité (QSSR) de 68
phénols basés sur des descripteurs moléculaires calculés à partir des structures 3D optimisées.
Ainsi qu’une approche hybride algorithme génétique/ régression multilinéaire a été appliquée
pour modéliser la température d’ébullition de 56 phénols, et l’indice de rétention de 113
pyrazines.
Il s'avère que les meilleurs modèles dont la stabilité est confirmée par la validation interne
Q
2
LOO « leave-one-out » est capable de décrire environ 89,33 % de la variance de la solubilité
aqueuse expérimentale, 89,33% de la variance de la température d’ébullition de 56 phénols et
99,51% pour l’indice de rétention des pyrazines.