ﻣﺪل ﺳﺎزي و ﻣﻄﺎﻟﻌ ﻪ ارﺗﺒﺎط ﮐﻤﯽ ﺳﺎﺧﺘﺎر- ﺑﺎزداري )QSRR( ﺗﺮﮐﯿﺒﺎت ﺗﺸﮑﯿﻞ دﻫﻨﺪهي ﭘﻮﺳﺖ ﻣﯿﻮه Citrus. sinensis CV. Thamson اﺳﺘﺤﺼﺎل ﺷﺪه ﺑﺎ ﮐﺮوﻣﺎﺗﻮﮔﺮاﻓﯽ ﮔﺎزي -ﻃﯿﻒ ﺳﻨﺞ ﺟﺮﻣﯽ ﺑﺎ اﺳﺘﻔﺎده از اﻟﮕﻮرﯾﺘﻢ ژﻧﺘﯿﮏ-رﮔﺮﺳﯿﻮن ﺧﻄﯽ ﭼﻨﺪ ﮔﺎﻧﻪ

Modeling and quantitative structure-retention relationship (QSRR) studying of the constituents of Citrus. sinensis CV. Thamson extracted by gas chromatography-mass spectrometry using genetic algorithm-multiple linear regression

مطالعه ارتباط كمي ساختار بازداري - (QSRR) جهت پيش بيني شاخص كواتس تركيبات تشكيل دهند ه پوست ميوه Citrus. sinensis CV. Thamson با استفاده از روش رگرسيون خطي چند گانه (MLR) انجام شد. بعد از استحصال اسانس و تزريق آن به دستگاه GC-MS تركيبات مختلف آن شناسايي گرديد. سپس براي انجام مدل سازي و پيش بيني مقادير انديس كواتس (KI) تركيبات، در ابتدا ساختار تركيبات، رسم و گروه مناسبي از توصيف كنند هه ا محاسبه شد. سپس از روش انتخاب مرحلهاي (SW) و الگوريتم ژنتيك (GA) براي بدست آوردن بهترين توصيف كنند هها كه بيشترين ارتباط را با KI تركيبات مورد نظر داشتند استفاده گرديد. براي مدل سازي از روش خطي رگرسيون خطي چند- گانه ساخته شد. داده هاي آماري نشان مي دهد كه هر دو روش SW-MLR و GA-MLR پيش بيني هاي قابل قبولي را ارائه نموده است

Quantitative structure-retention relationship (QSRR) study to predict the kovats index (KI) of Citrus. sinensis CV. Thamson was performed using multiple linear regression (MLR). After extracting the essential oil and injecting it into the GC-MS device, its various compounds were identified. Then, in order to model and predict the quantum index (KI) values ​​of the compounds, first the structure of the compounds, the drawing and the appropriate group of descriptors were calculated. Then the step-wise selection method (SW) and genetic algorithm (GA) were used to obtain the best descriptors that were most related to the KI of the desired compounds. Multiple linear regression was constructed for linear modeling. Statistical data show that both SW-MLR and GA-MLR methods provide acceptable predictions.