تعيين عدد تجمع سورفكتانت‌هاي آنيوني بر اساس تكنيك هدايت سنجي: به‌كارگيري تكنيك مدل‌سازيQSAR-ANN براي پيش‌بيني عدد تجمع سورفكتانت‌ها

در اين مطالعه، از يك روش مدل‌سازي جديد با استفاده از مدل QSAR و شبكه عصبي مصنوعي براي پيش بيني عدد تجمع برخي از سورفكتانت‌هاي آنيوني در محلول آبي در دماي 25 درجه سانتي‌گراد استفاده شده است. عدد تجمع مايسل با استفاده از اندازه‌گيري‌هاي هدايت الكتريكي و روش اوانس براي سورفكتانت‌هاي آنيوني در محلول‌هاي آبي تعيين شد. اما نتايج به دست آمده با استفاده از اين روش، نتايج حاصل از از روش فلورسانس مطابقت خوبي نداشت از آنجائي كه روش فلورسانس روش دقيق تري براي محاسبه عدد تجمع مايسل ها مي باشد به همين دليل از نتايج روش فلورسانس در اين مطالعه استفاده شد. به منظور ارتباط ساختار مولكولي اين سورفكتانت ها با عدد تجمع آن ها، مطالعه ارتباط كمي ساختارخاصيت (QSPR)  انجام شد. يك مدل شبكه عصبي مصنوعي (ANN)  براي پيش بيني عدد تجمع سورفكتانت‌هاي آنيوني با استفاده از چهار مورد از بيش از 3200 توصيف‌گر مولكولي، محاسبه ‌شده توسط نرم‌افزار Dragon، به عنوان متغيرهاي ورودي، توسعه داده شد. اهميت توصيف گرهاي انتخابي بر اساس روش ANN محاسبه شدند كه ترتيب اهميت آنها بدين صورت مي باشد: nC X5V MWC05 MWC04. مجموعه كامل 24 سورفكتانت آنيوني به صورت تصادفي به يك مجموعه آموزشي 16 تايي، يك مجموعه آزمايشي 4 تايي و يك مجموعه اعتبارسنجي 4 تايي تقسيم شدند. همچنين از تحليل رگرسيون خطي چندگانه (MLR) براي ساخت يك مدل خطي با استفاده از توصيف‌گرهاي مشابه استفاده شد. ضريب همبستگي (R^2) و ريشه ميانگين مربعات خطا (RMSE) مدل هاي ANN و MLR (براي كل مجموعه داده ها) به ترتيب 0.94، 4.99 و 0.82، 8.38 بود. R2بالاتر روش ANN نشان داد كه رابطه بين توصيف گرها و عدد تجمع تركيبات، غيرخطي است.