Journal des techniques de chromatographie et de séparation
Libre accès

Abstrait

Étude QSRR du temps de rétention des pesticides par chromatographie liquide à l'aide de modèles chimiométriques linéaires et non linéaires

Saeid Khodadoust, Nezam Armand, Sadegh Masoudi et Mehdi Ghorbanzadeh

La relation quantitative structure-rétention (QSRR) a été utilisée pour prédire le temps de rétention (min) (RT) des pesticides en utilisant cinq descripteurs moléculaires sélectionnés par algorithme génétique (GA) comme technique de sélection de caractéristiques. Ensuite, l'ensemble de données a été divisé aléatoirement en ensembles d'entraînement et de prédiction. Les descripteurs sélectionnés ont été utilisés comme entrées de techniques de modélisation par régression multilinéaire (MLR), réseau neuronal perceptron multicouche (MLP-NN) et réseau neuronal de régression généralisée (GR-NN) pour construire des modèles QSRR. Les modèles linéaires et non linéaires présentent une bonne capacité prédictive, dont le modèle GR-NN a démontré une meilleure performance que celle des modèles MLR et MLP-NN. L'erreur quadratique moyenne de la validation croisée de l'ensemble d'entraînement et de prédiction pour le modèle GR-NN était de 1,245 et 2,210, et les coefficients de corrélation (R) étaient respectivement de 0,975 et 0,937, tandis que le coefficient de corrélation quadratique de la validation croisée (Q2 LOO) sur le modèle GR-NN était de 0,951, révélant la fiabilité de ce modèle. Les résultats obtenus ont indiqué que GR-NN pourrait être utilisé comme outil prédictif pour la prédiction des valeurs RT (min) pour les pesticides sous-étudiés.