Resumen

Se emplea un método de relaciones cuantitativas estructura-retención (QSRR) para predecir el tiempo de retención de 300 residuos de pesticidas en tejidos animales separados por cromatografía de gases-espectroscopia de masas (GC-MS). En primer lugar, se desarrolló un modelo QSRR de seis parámetros mediante regresión lineal múltiple. Los seis descriptores moleculares que se consideraron para tener en cuenta el efecto de la estructura molecular en el tiempo de retención son el número de nitrógeno, el índice de conectividad de solubilidad-chi 1, el índice Y de Balaban, la autocorrelación de Moran-lag 2/ponderada por la electronegatividad atómica de Sanderson, la carga absoluta total y la función de distribución radial-6,0/sin ponderar. Se utilizó una red neuronal artificial (RNA) de retropropagación 6-7-1 para mejorar la precisión del modelo construido. Los valores de error estándar del modelo RNA para los conjuntos de entrenamiento, prueba y validación son 1,559, 1,517 y 1,249, respectivamente, que son inferiores a los obtenidos mediante el modelo de regresiones lineales múltiples (2,402, 1,858 y 2,036, respectivamente). Los resultados obtenidos demuestran la fiabilidad y buena predictibilidad del modelo QSRR no lineal para predecir el tiempo de retención de los plaguicidas.

• Materias:Reacciones químicas Biología molecular Química farmacéutica Química analítica Química de los alimentos
• Subjects:Chemical reactions Molecular biology Chemistry pharmaceutical Analytical chemistry Food chemistry
• Palabras claves:tiempo de retención, modelo de regresión lineal múltiple, índice balaban y, índice de conectividad de solvatación, red neuronal artificial, electronegatividad atómica sanderson, regresión lineal múltiple, modelo qsrr no lineal, modelo qsrr de parámetros, valores de error estándar
• Keywords:retention time, multiple linear regressions model, balaban y index, solvation connectivity index, artificial neural network, atomic sanderson electronegativity, multiple linear regression, nonlinear qsrr model, parameter qsrr model, standard error values