fa ارائه مدل پیش‌بینی حساسیت به ضربه مبتنی بر ویژگی‌های ساختاری کوکریستال‌های پرانرژی مدلسازی مدلسازی پژوهشي Research <span style="font-size:13pt"><span style="direction:rtl"><span style="unicode-bidi:embed"><span new="" roman="" style="font-family:" times=""><span style="font-weight:bold"><i><span lang="AR-SA" style="font-size:11.0pt"><span b="" nazanin="" style="font-family:"><span style="font-weight:normal">در</span></span></span></i><i><span lang="FA" style="font-size:11.0pt"><span b="" nazanin="" style="font-family:"><span style="font-weight:normal"> این</span></span></span></i><i><span lang="AR-SA" style="font-size:11.0pt"><span b="" nazanin="" style="font-family:"><span style="font-weight:normal"> تحقیق از روش رگرسیون خطی چندگانه (</span></span></span></i><i><span dir="LTR" style="font-size:10.0pt">MLR</span></i><i><span lang="AR-SA" style="font-size:11.0pt"><span b="" nazanin="" style="font-family:"><span style="font-weight:normal">) به‌عنوان یک روش ایمن، سریع&shy;، ارزان و متداول&shy; برای پیش&shy;بینی حساسیت به ضربه‌ی کوکریستال‌های پرانرژی استفاده </span></span></span></i><i><span lang="FA" style="font-size:11.0pt"><span b="" nazanin="" style="font-family:"><span style="font-weight:normal">گردید. برای این منظور، داده&shy;های مربوط به 22 ترکیب کوکریستال پرانرژی از منابع مختلف جمع‌آوری و سپس با استفاده از نرم‌افزار </span></span></span></i><i><span dir="LTR" style="font-size:10.0pt">DRAGON</span></i><i><span lang="FA" style="font-size:11.0pt"><span b="" nazanin="" style="font-family:"><span style="font-weight:normal">، تعدادی توصیف‌کننده مولکولی مانند ترکیب شیمیایی، تعداد اتم‌ها، گروه‌های عاملی و ... استخراج شد. </span></span></span></i><i><span lang="FA" style="font-size:11.0pt"><span b="" nazanin="" style="font-family:"><span style="font-weight:normal">سپس با انتخاب بهترین توصیف‌کننده‌های </span></span></span></i><i><span lang="AR-SA" style="font-size:11.0pt"><span b="" nazanin="" style="font-family:"><span style="font-weight:normal">مؤثر بر حساسیت به ضربه کوکریستال‌های پرانرژی از قبیل تعداد اتم‌های کربن، اکسیژن، کلر و برم و همچنین تعداد حلقه‌های ۹ عضوی در ساختار کوکریستال، </span></span></span></i><i><span lang="FA" style="font-size:11.0pt"><span b="" nazanin="" style="font-family:"><span style="font-weight:normal">مدلی</span></span></span></i><i><span lang="AR-SA" style="font-size:11.0pt"><span b="" nazanin="" style="font-family:"><span style="font-weight:normal"> با ضریب تعیین رابطه خطی </span></span></span></i><i><span dir="LTR" style="font-size:10.0pt"><span style="font-weight:normal">)</span></span></i><i><span lang="AR-SA" style="font-size:11.0pt"><span b="" nazanin="" style="font-family:">‌</span></span></i><i><span dir="LTR" style="font-size:10.0pt"><span style="font-weight:normal">(</span></span></i><i><span dir="LTR" style="font-size:10.0pt"><span style="font-weight:normal">R²</span></span></i><i> </i><i><span lang="AR-SA" style="font-size:11.0pt"><span b="" nazanin="" style="font-family:"><span style="font-weight:normal">954/0 </span></span></span></i><i><span lang="FA" style="font-size:11.0pt"><span b="" nazanin="" style="font-family:"><span style="font-weight:normal">به دست آمد. انحراف ریشه میانگین مربعات (</span></span></span></i><i><span dir="LTR" style="font-size:10.0pt">RMSD</span></i><i><span lang="FA" style="font-size:11.0pt"><span b="" nazanin="" style="font-family:"><span style="font-weight:normal">) و میانگین انحراف مطلق (</span></span></span></i><i><span dir="LTR" style="font-size:10.0pt">AAD</span></i><i><span lang="FA" style="font-size:11.0pt"><span b="" nazanin="" style="font-family:"><span style="font-weight:normal">) به ترتیب 55/4 و 53/3 ژول محاسبه گردید. همچنین برای ارزیابی صحت و قدرت پیش</span></span></span></i><i><span lang="FA" style="font-size:11.0pt"><span cambria="" style="font-family:"><span style="font-weight:normal">&shy;</span></span></span></i><i><span lang="FA" style="font-size:11.0pt"><span b="" nazanin="" style="font-family:"><span style="font-weight:normal">بینی مدل از روش‌های اعتبار سنجی داخلی با مقادیر قابل‌قبول (927/0= </span></span></span></i><i><span dir="LTR" style="font-size:10.0pt">Q²_LOO</span></i><i><span lang="FA" style="font-size:11.0pt"><span b="" nazanin="" style="font-family:"><span style="font-weight:normal"> و 958/0= </span></span></span></i><i><span dir="LTR" style="font-size:10.0pt">Q²_LMO</span></i><i><span lang="FA" style="font-size:11.0pt"><span b="" nazanin="" style="font-family:"><span style="font-weight:normal">) استفاده شد. تمامی محاسبات نشان‌دهنده اعتبار بالای مدل به‌دست‌آمده هستند که می&shy;تواند مدلی منحصربه‌فرد جهت پیش&shy;بینی حساسیت به ضربه کوکریستال&shy;های پرانرژی باشد.</span></span></span></i></span></span></span></span></span><br> <br> &nbsp; <i><span style="font-size:10.0pt"><span new="" roman="" style="font-family:" times="">In this study, multiple linear regression (MLR) was used as a safe, fast, inexpensive and common method to predict the impact sensitivity of energetic cocrystals. For this purpose, the data related to 22 energetic cocrystal compounds were collected from different sources and then, using DRAGON software, a number of molecular descriptors were extracted such as chemical composition, number of atoms, functional groups, etc. Then, by selecting the best descriptors affecting the impact sensitivity of energetic cocrystals such as the number of carbon, oxygen, chlorine and bromine atoms, as well as the number of nine-member rings in the cocrystal structure, a model with a linear relationship determination coefficient(R² 0.954) was obtained. The root mean square deviation (RMSD) and average absolute deviation (AAD) were calculated as 4.55 and 3.53 J, respectively. Also, internal validation methods with acceptable values (Q²_LOO=0.927 and Q²_LMO=0.958) were used to evaluate the accuracy and predictive power of the model. All the calculations show the high reliability of the obtained model, which can be a unique model for predicting the impact sensitivity of energetic cocrystals.</span></span></i> حساسیت به ضربه, کوکریستال های پرانرژی, روش رگرسیون خطی چندگانه, توصیف‌کننده‌های ساختاری Impact Sensitivity, Energetic Cocrystals, , Multiple Linear Regression Method, Structural Descriptors 99 106 http://isaem.ir/browse.php?a_code=A-10-1148-3&slc_lang=fa&sid=1 narges zohari نرگس زهری nargeszohari@gmail.com 100319475328460014530 100319475328460014530 Yes Malek Ashtar University of Technology دانشگاه مالک اشتر iman ranjbarbajestani ایمان رنجبربجستانی iman4979@mut.ac.ir 100319475328460014531 100319475328460014531 No Malek Ashtar University of Technology دانشگاه مالک اشتر mitra chegini میترا چگنی chegini_mitra@yahoo.com 100319475328460014532 100319475328460014532 No Malek Ashtar University of Technology دانشگاه مالک اشتر