Mediante la aplicación del método de relación cuantitativa de estructura propiedad se determinó un modelo para predecir la temperatura del punto de fusión de indoles a partir de su estructura molecular (n = 86). Usando los programas de computadora Gaussian 98 y PCDM 2.0, se calcularon una serie de descriptores moleculares; descriptores electrónicos, topológicos y geométricos. Para la elaboración del modelo de predicción se empleó la regresión linear múltiple entre los descriptores moleculares y la temperatura de los puntos de fusión de los indoles presentes en la base de datos. Dando como resultados un coeficiente de determinación (R2) y un error estándar de estimación (EEE) de 0.73 y 27.42°C respectivamente. Por medio de una red neuronal retropropagación (5: 4: 1) se optimizó el modelo de regresión lineal múltiple, pudiéndose incluir relaciones no lineales entre la estructura molecular y la temperatura del punto de fusión de los indoles, obteniendo mejores resultados en la predicción del punto de fusión para el grupo de entrenamiento (R2 =0.9978) y el grupo de validación (R2 =0.9987). El error cuadrático promedio (MSE) asociado al grupo de entrenamiento y de validación para el modelo de con la red fue 0.006 y 0.006 respectivamente.
Mitjançant l’aplicació del mètode de relació quantitativa d’estructura propietat es va determinar un model per predir la temperatura del punt de fusió dels indols a partir de la seva estructura molecular (n=86). Usant els programes d’ordinador Gaussian 98 i PCDM 2.0, es van calcular una sèrie de descriptors moleculars; descriptors electrònics, topològics i geomètrics. Per a l’elaboració del model de predicció es va emprar la regressió lineal múltiple entre els descriptors moleculars i la temperatura dels punts de fusió dels indols presents a la base de dades. Donant com a resultats un coeficient de determinació (R2) i un error estàndard d’estimació (EEE) de 0.73 i 27.42°C, respectivament. Per mitjà d’una xarxa neuronal retropropagació (5: 4: 1) es va optimitzar el model de regressió lineal múltiple, podentse incloure relacions no lineals entre l’estructura molecular i la temperatura del punt de fusió dels indols, obtenint millors resultats en la predicció del punt de fusió per al grup d’entrenament (R2 = 0,9978) i el grup de validació (R2 = 0,9987). L’error quadràtic mitjà (MSE) associat al grup d’entrenament i de validació per al model de amb la xarxa va ser 0.006 i 0.006 respectivament.
By applying the method of quantitative structure property relationship, was determined a model to predict the temperature of the melting point of indoles from their molecular structure (n = 86). Using computer programs such as Gaussian 98 and PCDM, a series of electronic, topological and geometric descriptors were calculated. For the preparation of the prediction was used a multiple linear regressions model between molecular descriptors and the temperature of the melting points of indols present in the database. Giving as a result a coefficient of determination (R2) and standard error of estimate (EEA) of 0.73 and 27.42 ° C respectively. Through a neural network backpropagation (5: 4: 1) model of multiple linear regression was optimized, including possible non-linear relationships between molecular structure and temperature of the melting point of the indols, obtaining better results in predicting melting point for the training group (R2 = 0.9978) and the validation group (R2 = 0.9987). The mean square error (MSE) associated with the training group and validation for the network model was 0.006 and 0.006 respectively.
© 2001-2024 Fundación Dialnet · Todos los derechos reservados