QSPR Analysis with Curvilinear Regression Modeling and Temperature-based Topological Indices

Resumo Técnico: Análise QSPR com Modelagem de Regressão Curvilínea e Índices Topológicos Baseados em Temperatura

Definição do Problema
O artigo aborda o desafio de estabelecer correlações quantitativas entre as estruturas químicas de ácidos monocarboxílicos e suas propriedades termodinâmicas. Especificamente, o estudo foca na previsão das entalpias de formação ($\Delta H^0_f$ líquido), entalpias de combustão ($\Delta H^0_C$ líquido) e entalpias de vaporização ($\Delta H^0_{vap}$ gás) para uma série de 19 ácidos monocarboxílicos variando de $C_2H_4O_2$ a $C_{20}H_{40}O_2$. O objetivo é determinar se os índices topológicos baseados em temperatura podem servir como descritores moleculares eficazes em modelos de Relação Estrutura-Propriedade Quantitativa (QSPR) para prever com precisão essas propriedades.

Metodologia
O estudo emprega a teoria dos grafos químicos, representando as moléculas como grafos onde os vértices são átomos e as arestas são ligações químicas. A metodologia prossegue através das seguintes etapas:

1. Definição de Índices: O artigo utiliza quatro índices topológicos específicos baseados em temperatura derivados da "temperatura" de um vértice, definida como $T(v) = \frac{deg(v)}{n - deg(v)}$, onde $deg(v)$ é o grau do vértice $v$ e $n$ é o número total de vértices. Os índices calculados são:

   • Índice de Temperatura de Conectividade de Soma ($ST(G)$)
   • Índice de Temperatura de Conectividade de Produto ($PT(G)$)
   • Índice de Temperatura F ($FT(G)$)
   • Índice de Temperatura de Divisão Simétrica ($SDT(G)$)

2. Coleta de Dados: Os valores das propriedades termodinâmicas para os 19 ácidos foram obtidos de literatura existente (referências [5, 14]).

3. Modelagem de Regressão: A relação entre os índices topológicos calculados e as propriedades termodinâmicas foi analisada utilizando modelos de regressão curvilínea. Três tipos de equações foram testados:

   • Linear: $Y = a + b_1X_1$
   • Quadrática: $Y = a + b_1X_1 + b_2X_1^2$
   • Cúbica: $Y = a + b_1X_1 + b_2X_1^2 + b_3X_1^3$

4. Avaliação Estatística: O desempenho do modelo foi avaliado usando o coeficiente de correlação ($R^2$), o teste de razão F ($F$) e o Erro Quadrático Médio (RMSE). O estudo postula que um bom modelo QSPR requer $R^2 > 0,99$, sendo o melhor modelo preditivo identificado pelo mínimo RMSE e máximo $R^2$ ou valores de $F$.

Principais Contribuições e Resultados
O estudo computou os quatro índices baseados em temperatura para os 19 ácidos monocarboxílicos e gerou modelos de regressão para cada propriedade termodinâmica. Os resultados indicam variações distintas na capacidade preditiva entre os índices:

• Índices Superiores: O Índice de Temperatura de Conectividade de Soma ($ST(G)$) e o Índice de Temperatura de Conectividade de Produto ($PT(G)$) demonstraram a maior eficácia. Para todas as três propriedades termodinâmicas ($\Delta H^0_f$, $\Delta H^0_C$ e $\Delta H^0_{vap}$), os modelos utilizando esses índices alcançaram valores de $R^2$ superiores a 0,99.

  • Para $\Delta H^0_f$, os melhores modelos foram cúbicos (para $ST(G)$) e cúbicos (para $PT(G)$), com valores de $R^2$ de 0,9988 e 0,9986, respectivamente.
  • Para $\Delta H^0_C$, o modelo cúbico para $ST(G)$ rendeu um $R^2$ de 0,9998, enquanto o modelo quadrático para $PT(G)$ rendeu 0,9941.
  • Para $\Delta H^0_{vap}$, o modelo cúbico para $ST(G)$ alcançou um $R^2$ de 0,9978.

• Índices Inferiores: O Índice de Temperatura F ($FT(G)$) e o Índice de Temperatura de Divisão Simétrica ($SDT(G)$) mostraram poder preditivo significativamente menor.

  • Os modelos $FT(G)$ resultaram em coeficientes de correlação baixos (ex: $R^2 = 0,2913$ para $\Delta H^0_f$ linear), falhando em atingir o limiar de $R^2 > 0,99$ mesmo em formas cúbicas.
  • Os modelos $SDT(G)$ mostraram correlação moderada (em torno de $R^2 \approx 0,86$) mas foram considerados insuficientes para previsões de alta precisão em comparação com $ST(G)$e$PT(G)$.

• Forma do Modelo: Em todo o conjunto de dados, a equação cúbica forneceu consistentemente o melhor ajuste entre as opções lineares, quadráticas e curvilíneas, particularmente para os índices $ST(G)$e$PT(G)$.

Significância e Alegações
O artigo afirma que os índices topológicos baseados em temperatura, especificamente as variantes de Conectividade de Soma e de Conectividade de Produto, são altamente adequados para prever as propriedades termodinâmicas de ácidos monocarboxílicos. O estudo conclui que esses índices, quando aplicados dentro de modelos de regressão curvilínea cúbica, oferecem uma estrutura matemática robusta para a análise QSPR nesta série química.

Os autores observam modestamente que, embora o índice de temperatura de divisão simétrica apresente alguma correlação, o índice de temperatura F é inadequado para realizar boas previsões para esses compostos específicos. O trabalho reforça a utilidade das abordagens de teoria dos grafos para ligar a estrutura molecular ao comportamento termodinâmico, fornecendo equações de regressão específicas que podem ser usadas para estimar entalpias de formação, combustão e vaporização para a gama de ácidos estudada sem a necessidade de medição experimental.