مقدمه: رابطه کمی ساختار- فعالیت استراتژی موفقی بر اساس مدلسازی بین توصیف گرهای ساختاری مولکولی و صفات فیزیکی شیمیایی محلول آنها برای پیش گویی خواص سورفاکتانت ها میباشد. تعداد بسیار زیادی توصیف گر مولکولی که در مطالعات QSARاستفاده می شوند وجود دارد که به شش دسته با نامهای توصیف گر اساسی توپولوژی الکتروستاتیک هندسی کوانتمی و ترمودینامیکی تقسیم می شوند. چندین گزارش از کاربرد روشهای QSPR برای پیش بینی CMC سورفاکتانت های کاتیونی آنیونی و جمینی وجود دارد.هدف: در گزارش حضر logCMC چند نمک از تترا- آلکیل آمونیم و آلکیل پیریدینیم به کمک معادله ریاضی به خواص ساختاری مولکولی مرتبط شده است.روش بررسی: همه داده های CMC مربوط به سورفاکتانت های کاتیونی می باشند. CMC در آب و در دمای 25oC اندازه گیری شده اند. مجموعه داده ها شامل 44 سورفاکتانت که 29 تترا- آلکیل آمونیم و 15 از آنها آلکیل پیریدینیم می باشند. مولکولها با ChemDraw رسم شده اند و با روش AM1 مربوط به MOPAC بهینه شده اند. توصیف گرهای مولکولی با کمک ChemSAR و Dragon 3.0 بدست آمده اند.نتایج: تحلیل رگرسیون OLS معادله مفیدی برای پیش بینی CMC سورفاکتانت های کاتیونی ارایه می دهد. معادله زیر برای تخمین logCMC تترا- آلکیل آمونیم با کمک چهار توصیف گر ساختار ارایه شده است:logCMC سورفاکتانت های آلکیل پیریدینیم با سه توصیف گر ساختا ر ارایه شده است:
Log CMC = -1.0097 – 0.1258Lc – 0.0123VH+0.0960AHG+0.0053RHCI
N=20, R2 =0.9860, s2 =0.0210, F=135, model(I).
logCMC سورفاکتانت های آلکلیل پیریدینیم با سه توصیف گر ساختار ارایه شده است:
LogCMC =6.0291 – 0.2461Lc – 0.0011VH+0.0249RHCI
Model(II), n =10, R2=0.9940, s2 =0.0098, F=159, model(II).
مدل کلی برای تحمین logCMC برای همه سورفاکتانت ها با استفاده چهار توصیف گر ساختاری ارایه شده است:
logCMC=-1.4055-0.1529Lc -0.0101VH +0.1214AHG+0.0063RHCI
n=30, R2=0.9820, s2 =0.0228, F =173, ¦inal model.
نتیجه گیری: نتایج نشان می دهد که CMC با افزایش خواص هیدروفیلی L و V کاهش و با افزایش ویژگی دیگر A افزایش می یابد.
اصل مقاله به صورت متن کامل انگلیسی، در بخش انگلیسی قابل رویت است.