Naslov
Razvoj metodologije odabira optimalnih deskriptora pri izradi QSAR modela
(Method development for selection of optimal descriptors in QSAR modeling)

Autori
Novak Stankov, Mirjana ; Cvetnić, Matija ; Ukić, Šime ; Lončarić Božić, Ana ; Rogošić, Marko ; Bolanča, Tomislav

Vrsta, podvrsta i kategorija rada
Sažeci sa skupova, sažetak, znanstveni

Izvornik
XI. Skup mladih kemijskih inženjera, Knjiga sažetaka / Matijašić, Gordana - Zagreb : Hrvatsko društvo kemijskih inženjera i tehnologa (HDKI), 2016, 151-151

ISBN
978-953-6894-55-0

Skup
XI. Skup mladih kemijskih inženjera

Mjesto i datum
Zagreb, Hrvatska, 18.02.2016. - 19.02.2016

Vrsta sudjelovanja
Poster

Vrsta recenzije
Nije recenziran

Ključne riječi
METODOLOGIJA ; ODABIR OPTIMALNIH DESKRIPTORA ; QSAR
(METHODOLOGY ; SELECTION OF OPTIMAL DESCRIPTORS ; QSAR)

Sažetak
Metodologija poznata kao QSAR (engl. quantitative structure–activity relationships) tema je istraživanja velikog broja znanstvenika već više od pola stoljeća. QSAR predstavlja statistički dobivene odnose između aktivnosti molekule i veličina nazvanih deskriptorima, a koje karakteriziraju molekulsku strukturu. QSAR metodologija jedan je od pristupa koji će se koristiti tijekom provedbe HRZZ istraživačkog projekta IP-09-2014 Modeliranje okolišnih aspekata napredne obrade voda za razgradnju prioritetnih onečišćivala (voditelj prof. dr. sc. Tomislav Bolanča), a u svrhu određivanja odnosa između strukture molekule i njene toksičnosti, odnosno biorazgradivosti. U ovom radu opisana su preliminarna istraživanja primjene umjetne inteligencije u odabiru optimalnih deskriptora potrebnih za izradu QSAR modela. Budući da se radi o preliminarnim istraživanjima zbog ekonomičnosti odabran je sustav za koji su već bili dostupni eksperimentalni podaci: ionski kromatografski sustav na kojem je analizirana smjesa šećera. Dakle promatrana je poveznica strukturnih karakteristika molekula i vremena njihova zadržavanja na kromatografskoj koloni ; govorimo o nešto specifičnijem obliku QSAR-a nazvanom QSRR (engl. quantitative structure–retention relationships). QSRR modeli izrađeni su pri uvjetima izokratičnog eluiranja. Kao alat umjetne inteligencije korištena je sinergija genetičkog algoritma i umjetne neuronske mreže. Pri tome su optimirane karakteristike genetičkog algoritma: operator odabira, operator križanja i postotak mutacije, te umjetne neuronske mreže: vrsta mreže, algoritam učenja i broj neurona u skrivenom sloju. Ovaj pristup pokazao je kvalitetu pri odabiru optimalnih deskriptora, ali i izradi samog modela, dajući u konačnici odlično predviđanje sa srednjom kvadratnom pogreškom od svega 0, 1166.

Izvorni jezik
Hrvatski

Znanstvena područja
Kemija, Kemijsko inženjerstvo

Napomena
Ovaj rad je izrađen u sklopu projekta „Modeliranje okolišnih aspekata napredne obrade voda za razgradnju prioritetnih onečišćivala“ Hrvatske zaklade za znanost na Fakultetu kemijskog inženjerstva i tehnologije Sveučilišta u Zagrebu.

POVEZANOST RADA