Modelisation De Quelques Proprietes (cteh, S, Pv, Koc(w)) Controlant L’evolution Dans L’environnement D’une Serie D’herbicides

Résumé: Des modèles QSPR ont été développés pour la prédiction de cinq caractéristiques environnementales importantes d'un ensemble hétérogène de pesticides. Des approches basées sur la régression linéaire multiple (RLM), les moindres carrés partiels (PLS), les machines à vecteurs supports (SVM) et les réseaux de neurones artificiels (RNA), chaque fois en association avec une sélection des variables les plus importantes par algorithme génétique (GA), conduisent à des modèles de qualités différentes. L’approche hybride algorithme génétique/ régression multilinéaire a été utilisée pour modéliser la constante de Henry (logH) de 27 pesticides appartenant à deux classes chimiques: triazines, et carbamates. Le modèle à 4 variables explicatives sélectionné est robuste, et présente une bonne qualité de l’ajustement ainsi que de bonnes capacités prédictives. Une relation quantitative structure-propriété (QSPR) a été réalisée pour la prédiction de la solubilité aqueuse des pesticides appartenant aux quatre classes chimiques: acide, urée, triazine, et carbamate. L'ensemble des 77 pesticides a été divisé en un ensemble de calibrage de 58 pesticides et un ensemble de test de 19 pesticides selon la technique Snee. Un modèle à six descripteurs, avec un coefficient de détermination (R2 ) de 0,8895 et une erreur standard de l'estimation (s) de 0,52, a été développé en appliquant une analyse de régression linéaire multiple baséeles moindres carrés ordinaires et les algorithmes-génétiques pour la sélection des sous-ensembles de variable. La fiabilité du modèle proposé a été en outre illustrée en utilisant diverses techniques d'évaluation: validation croiséepar leave- one- out, bootstrap, tests de randomisation, et validation extene sur l'ensemble de test. Les études QSPR sont une alternative théorique puissante à la mécanique quantique pour la description et la prédiction des propriétés des systèmes moléculaires complexes dans divers environnements. Le coefficient de partage octanol / eau (Kow) de certains pesticides a été étudié parapproche QSPR hybride : algorithme génétique / régression linéaire multiple. La robustesse et la performance prédictive des modèles proposés ont été validéesà l'aide de statistiques internes et externes. Un point influent qui renforce le modèle et une valeur aberrante ont été mis en évidence. Dans notre étude, nous avons également utilisé la méthode des « supportvectormachines »enexploitant la fonction de RBF, pour les valeurs optimales des paramètres SVM, C = 10; γ = 0,5; et ε = 0,2 ; le modèle résultant conduit à de bonnes capacités prédictives internes et externes. La modélisation de la pression de vapeur par la méthode des moindres carrées partiels nous a permis d’éliminer les autocorrélations des descripteurs La comparaison de la qualité des modèles RLM et PLS pour la pression de vapeur, les deux modèles RLM et PLS sont acceptable tant par la qualité de l’ajustement, la robustesse ou la capacité prédictive. La modélisation de la pression de vapeur et du coefficient de partage octanol/carbone organique d’un mélange hétérogène de pesticides montre que les différentes statistiques établies pour les ensembles de calibrage et de validation (coefficients de détermination multiple et de prédiction; racines des erreurs quadratiques moyennes) attestent de la supériorité des modèles non linéaires (RNA), ainsi que de leur pertinence.

Publié dans la revue: