مدل های رابطه کمی ساختار-ویژگی برای پیش بینی خواص ترمودینامیکی مشتقات ایمیدازول با استفاده از توصیفگر مولکولی و الگوریتم ژنتیک-رگرسیون خطی چندگانه

ایمیدازول ترکیبی با طیف وسیعی از فعالیت های بیولوژیکی است و مشتقات ایمیدازول اساس چندین گروه از داروها هستند. در این مطالعه رابطه بین توصیفگرهای مولکولی و انرژی حرارتی (Eth kJ/mol) و ظرفیت حرارتی (Cv J/mol) مشتقات ایمیدازول مورد بررسی قرار گرفته است. ساختار شیمیایی 85 مشتق ایمیدازول در سطح HF/6-311G* با نرم افزار گاوسیان 98 بهینه شد. توصیفگرهای مولکولی برای ترکیبات انتخابی با استفاده از نرم افزار Dragon محاسبه شد. برای انتخاب توصیفگرهای مناسب و همچنین برای پیش بینی خواص ترمودینامیکی مشتقات ایمیدازول از الگوریتم ژنتیک-رگرسیون خطی چندگانه (GA-MLR) و روش های رو به عقب استفاده شد. مدل های به دست آمده با پارامترهای آماری مانند ضریب همبستگی (R2adj)، نسبت فیشر (F)، ریشه میانگین مربعات خطا (RMSE)، آماره دوربین واتسون (D) و معنی داری (Sig) مورد ارزیابی قرار گرفتند. قدرت پیش بینی مدل های GA-MLR با استفاده از اعتبارسنجی متقاطع ترک یک خروجی (LOO) و مجموعه تست خارجی مورد مطالعه قرار می گیرد. توانایی پیش بینی مدل های GA-MLR با دو یا سه توصیفگر مولکولی منتخب رضایت بخش بود. مدل های توسعه یافته QSPR می توانند برای پیش بینی ویژگی های ترکیباتی که هنوز سنتز نشده اند استفاده شوند.