ISSN: 2161-0398
Elidrissi B*, Ousaa A, Ghamali M, Chtita S, Ajana MA, Bouachrine M y Lakhlifi T
Se realizó un estudio de relación estructura-propiedad cuantitativa (QSPR) para predecir los puntos de fusión de 60 compuestos nitroaromáticos carbocíclicos utilizando los descriptores electrónicos y topológicos calculados respectivamente, con Programas ACD/ ChemSketch y Gaussian 03W. Las estructuras de los 60 compuestos se optimizaron utilizando la teoría funcional de densidad híbrida (DFT) en el nivel de teoría B3LYP/6-31G(d). En ambos enfoques, se asignaron 50 compuestos como conjunto de entrenamiento y el resto como conjunto de prueba. Estos compuestos se analizaron mediante el método de análisis de componentes principales (PCA), un análisis de regresión lineal múltiple (MLR) descendiente y una red neuronal artificial (ANN). La robustez de los modelos obtenidos se evaluó mediante validación cruzada con exclusión de muchos y validación externa a través de un conjunto de pruebas. Este estudio muestra que el PCA y el MLR también han servido para predecir el punto de fusión y algunas otras propiedades fisicoquímicas, pero al compararlos con los resultados arrojados por el ANN (R=0.997), nos dimos cuenta de que las predicciones realizadas por este último eran más efectivas y efectivas. mucho mejor que otros modelos.