Prediction of Retention Time for PAH Molecule in HPLC

고속액체 크로마토그래피에서 PAH분자의 구조에 따른 용리시간 예측

Relative retention times (RRTs) of RAH molecules in HPLC are trained and predicted intesting sets using a multiple linear regression (NLR) and an artificial neural network (ANN). The maindescriptors in QSRR are molecular connectivity ($^1X_v,\;^2X_v$), the length-to-breadth ratios (L/B), and molecular dipole moment(D). L/B which is related with slot model is a good descripter in ANN, but isn't in MLR. Varainces which show the accuracy of prediction times in testing sets are 0.0099, 0.0114 for ANN and MLR, respectively. It was shown that ANN can exceed the MLR in prediction accuracy.

고속액체크로마트그래피에서 RAH분자들이 상대적 용리시간을 다변량선형회귀분석과 인공신경망분석방법을 사용하여 학습시킨 후, 시험 세트의 상대적 용리시간을 예측하였다. PAH의 QSRR에서 주요한 설명인자는 분자연결지수($^1X_v,\;^2X_v$),길이와 폭의 비율(L/B) 및 분자 쌍극자 모멘트(D)이었다, 슬롯 모델과 관계깊은 L/B은 인공신경망분석방법에서는 적절한 설명인자로 작용하나, 다변량회귀분석에서는 그러하지 못하다. 시험세트에서 용리시간 예측도를 나타내주는 분산은 각각 인공신경망분석방법에서 0.0099, 다변량회귀분석방법에서 0.0114이었다. 인공신경망분석방법이 다변량회귀분석보다 더 좋은 결과를 보여준다.