73پ

Estimation of Electrophilicity and Nucleophilicity with a Quantitative Structure-Property Relationship Approach using Local Properties at the Molecular Surface

كارشناسي ارشد

شيمي فيزيك

دانشگاه پيام نور رزن

1394

ندارد

ندارد

130ص.

حق گو ، محمد

گلبداغي ، رضا

106-117

QSPRs, electrophilicity parameter, nucleophilicity parameter, electrostatic potential, multiple linear regression.

رابطه كمي ساختار-ويژگي (〖QSPR〗_s) براي تخمين قدرت پارامترهاي الكتروفيلي ماير با استفاده از مجموعه داده از 32 تركيب مورد بررسي قرار گرفت. در حال حاضر پارامترهاي واكنش¬پذيري همه الكتروفيلها در پايگاه داده¬هاي ماير قابل دسترس هستند. هر مولكول در B3LYP/6-31G بهينه شد. سپس پتانسيل الكتروستاتيك در سطح تئوري محاسبه شد. جهت مدل سازي واكنش¬پذيري الكتروفيلي ماير بصورت تابعي از توصيفگر‌هايي كه بصورت نظري منتج شده¬اند از رگرسيون خطي چندگانه (MLR) و شبكه عصبي مصنوعي (ANN) استفاده شد. رگرسيون مرحله¬اي براي انتخاب متغيرهايي كه بهترين مدل¬هاي مناسب را مي‌¬دادند استفاده شد. قدرت و اعتبار مدل‌هاي توسعه يافته با ارزيابي تقاطعي يكي را بيرون گذاشتن مورد ارزيابي قرار گرفت. بهترين نتايج با استفاده از يك توصيفگر بدست آمد. R^2 براي مجموعه آزمون (12تركيب) 82/0 بدست آمد كه توصيفگر نهاييI_min مي‌باشد. چكيده قسمت دوم رابطه كمي ساختار-ويژگي (〖QSPR〗_s) براي تخمين قدرت پارامترهاي نوكلئوفيلي ماير با استفاده از مجموعه داده از 101 تركيب مورد بررسي قرار گرفت. در حال حاضر پارامترهاي واكنش¬پذيري همه نوكلئوفيل ها در پايگاه داده‌هاي ماير قابل دسترس هستند. هر مولكول در B3LYP/6-31G بهينه شد. سپس پتانسيل الكتروستاتيك در سطح تئوري محاسبه شد. جهت مدل¬سازي واكنش¬پذيري نوكلئوفيلي ماير بصورت تابعي از توصيفگر‌هايي كه بصورت نظري منتج شده¬اند از رگرسيون خطي چندگانه (MLR) و شبكه عصبي مصنوعي (ANN) استفاده شد. رگرسيون مرحله¬اي براي انتخاب متغيرهايي كه بهترين مدل¬هاي مناسب را مي‌دادند استفاده شد. قدرت و اعتبار مدل¬هاي توسعه يافته با ارزيابي تقاطعي يكي را بيرون گذاشتن مورد ارزيابي قرار گرفت. بهترين نتايج بااستفاده از سه توصيفگر بدست آمدند. R^2 براي مجموعه آزمون (40تركيب( 933/0 بدست آمد. توصيفگرهاي نهايي، aveVpos، Imin و Vmin هستند

1395/1/31

31481