بررسي معيارهاي متفاوت براي منظم كردن اجزاهاي اصلي به منظور ايجاد يك مدل QSPR براي پيش بيني نقطه هاي ذوب

Investigation of various criteria to rank PCs in order to develop a QSPR model for predicting melting points

براساس اهميت پيش بيني نقطه هاي ذوب تركيب ها، در اين مقاله سعي شد كه براي گروه وسيعي از تركيب ها مدل مناسبي كه توانايي پيش بيني نقطه هاي ذوب را در حد مطلوبي داشته باشد، ارايه شود. براي اين منظور4173 تركيب شيميايي با ساختارهاي متنوع گزارش شده در مقاله هاي قبلي، انتخاب و براي توصيف ساختار آن ها از يك دسته 202 تايي از توصيف كننده هاي 2D و 3D استفاده شد. اين دسته داده ها به دو دسته آموزش و دسته تست به ترتيب با اندازه هاي 2573 و 1600 تقسيم بندي شد. ارزيابي بيشتر مدل ايجاد شده به كمك يك دسته داده ديگر با اندازه 277 صورت گرفت. براي كاهش حجم ماتريس توصيف كننده ها از تجزيه اجزاي اصلي كمك گرفته شد و از شبكه عصبي براي ايجاد مدل استفاده شد. بردارهاي ويژه به دست آمده از تجزيه اجزاي اصلي بر اساس معيارهاي متفاوتي مرتب و به عنوان ورودي شبكه مورد استفاده قرار گرفتند. معيارهاي استفاده شده عبارت بودند از بزرگي مقدار ويژه، ميزان همبستگي با نقطه ذوب و ميزان قدرت پيش بيني كنندگي. بهترين مدل در حالتي بدست آمد كه بردارهاي ويژه براساس ميزان قدرت پيش بيني كنندگي اشان مرتب و به عنوان ورودي استفاده بودند. در پايان پارامترهاي شبكه از قبيل تعداد لايه هاي پنهان، تعداد گره در هر لايه، سرعت يادگيري و مومنتوم بهينه سازي شدند. شبكه با ساختار [25 10 18] و سرعت يادگيري0/7 و مومنتوم 0/16 به عنوان شبكه بهينه انتخاب شد.

Due to the importance of melting points, we tried to develop a useful model for the prediction of them. In this way we used 4173 compounds with large diverse structures which reported previously in the literature. The chemical structures of all compounds were described by a set of 202 descriptors including 2D and 3D descriptors. This data set was divided into training set and test set with size of 2573 and 1600, respectively. Additional validation was performed on an external validation set consisting of 277 chemicals. Dimensionality reduction is performed by principal component analysis (PCA), while a feed-forward backpropagation artificial neural network (ANN) is employed for model generation. Principal components (PCs), obtained from PCA, were ranked based on different criteria and fed to the ANN as inputs. These criteria included the magnitude of eigenvalues, correlation values, and prediction ability. Optimal model was resulted in the case that PCs have been ranked based upon their prediction abilities. Finally, the net parameters such as number of hidden layers, number of nodes in each layer, learning rate, and momentum were adjusted. The net with structure of [18 10 25 ], learning rate of 0.7, and momentum value of 0.16 were chosen as optimum.