Revista de cromatografía y técnicas de separación
Acceso abierto

abstracto

Un estudio QSRR del tiempo de retención de plaguicidas por cromatografía líquida utilizando modelos quimiométricos lineales y no lineales

Saeid Khodadoust, Nezam Armand, Sadegh Masoudi y Mehdi Ghorbanzadeh

Se empleó la estructura cuantitativa y la relación de retención (QSRR) para predecir el tiempo de retención (min) (RT) de los plaguicidas utilizando cinco descriptores moleculares seleccionado por algoritmo genético (GA) como técnica de selección de características. Luego, el conjunto de datos se dividió aleatoriamente en conjuntos de entrenamiento y predicción. Los descriptores seleccionados se utilizaron como entradas de técnicas de modelado de regresión multilineal (MLR), red neuronal de perceptrón multicapa (MLP-NN) y red neuronal de regresión generalizada (GR-NN) para construir modelos QSRR. Tanto los modelos lineales como los no lineales muestran una buena capacidad predictiva, de los cuales el modelo GR-NN demostró un mejor desempeño que el de los modelos MLR y MLP-NN. El error cuadrático medio de la validación cruzada del conjunto de entrenamiento y predicción para el modelo GR-NN fue 1.245 y 2.210, y los coeficientes de correlación (R) fueron 0.975 y 0.937 respectivamente, mientras que el coeficiente de correlación cuadrática de la validación cruzada (Q2 LOO) en el modelo GR-NN fue 0,951, lo que revela la fiabilidad de este modelo. Los resultados obtenidos indicaron que GR-NN podría usarse como herramientas predictivas para predecir los valores de RT (min) para los pesticidas de estudio.