Navegando por Assunto "Química computacional"

Agora exibindo 1 - 2 de 2

Cálculos de química quântica para funções orgânicas
(2022-10-05) Silva, Yuri Antonio Fortunato da; Bastos, Cristiano Costa; http://lattes.cnpq.br/6385190604693576; http://lattes.cnpq.br/9340189446066073
A físico-química orgânica é uma área que pode contribuir para o desenvolvimento de novos compostos e o entendimento de reações e processos químicos a partir de cálculos de química quântica. Um dos conceitos tratados nessa área é a relação estrutura-atividade de grupo funcional, um átomo ou agrupamento de átomos conectados de forma específica em uma molécula, proporcionando reatividade e propriedades químicas e físicas específicas. Com base nisso, esse trabalho tem como objetivo geral a classificação de funções orgânicas por meio de propriedades intrínsecas de grupos funcionais com o aumento da estrutura carbônica. Com o auxílio de modelos moleculares computacionais foram obtidas propriedades para as seguintes funções orgânicas, na tentativa de classificá-los: alcanos; alcenos; alcinos; ácidos carboxílicos; aldeídos; cetonas; ésteres; aminas e amidas. Algumas das propriedades calculadas foram: Energia eletrônica total; Volume molar; Energia dos orbitais HOMO e LUMO; gap HOMO-LUMO; Energia cinética dos orbitais HOMO e LUMO; Energia de Ionização; Eletroafinidade e Eletronegatividade. As propriedades Energia de Ionização; Eletroafinidade e Eletronegatividade foram obtidas de modo indireto a partir de outras propriedades. Foi observado que algumas propriedades são mais satisfatórias na classificação de algumas funções orgânicas. Além disso, foi possível estabelecer relações matemáticas que mostram um padrão para diferentes funções orgânicas: alcanos, ácidos carboxílicos, ésteres, aldeídos, cetonas e amidas. Entretanto, para alcenos, alcinos e aminas notou-se um outro padrão de comportamento. Além disso, a classificação das funções orgânicas é mais adequada utilizando as energias dos orbitais HOMO e LUMO. Ademais, outras propriedades também são boas candidatas, como Energia eletrônica, Energia de Ionização, Eletroafinidade e Eletronegatividade. Por fim, os alcenos, alcinos e aminas tiveram um destaque maior devido a terem comportamentos singulares para muitas propriedades calculadas.
Obtenção de modelos QSAR na plataforma livre de computação em nuvem OCHEM e uma aplicação para atividade acaricida de monoterpenos
(2022-06-08) Silva, Esterfania Laís da; Batista, Hélcio José; http://lattes.cnpq.br/1234630357325796; http://lattes.cnpq.br/0889940460113959
No presente trabalho é apresentado o uso dos recursos da plataforma da web de computação em nuvem OCHEM, do inglês Online Chemical Modeling Environment, de acesso livre e desenvolvida para armazenamento de dados, desenvolvimento de modelos e publicação de informação Química. Como exemplo de aplicação na plataforma, procuramos obter modelos QSAR – Relação Quantitativa Estrutura-Atividade para atividade inseticida sobre a espécie do ácaro rajado (Tetranychus Urticae), uma praga comum nas lavouras de agricultura familiar na Região Nordeste do Brasil, de uma série de compostos da classe de monoterpenos: α-pineno, p-cimeno, β-pineno, mentol, α-terpineol, geraniol, R-limoneno, 1-8-cineole, R-linalol, acetado de terpenila, e terpinoleno e 4-(S) ter-pineol. Para este fim, realizamos uma revisão bibliográfica do uso de monoterpenos no controle de pragas na agricultura, bem como uma revisão do método Relação, QSAR, do inglês Quantitative Structure-Activity Relation-ship. Para a aplicação da plataforma OCHEM na obtenção de modelos QSAR para a série de monoterpenos realizamos a modelagem molecular por métodos de Química Quântica da série, gerando as estruturas moleculares com o objetivo de alimentar a plataforma OCHEM, para cálculo dos descritores moleculares e obtenção de modelos QSAR. Fizemos a exploração de diferentes conjuntos de descritores bem como diferentes tipos de métodos de aprendizagem de máquina, como Regressão Linear Múltipla (MLR – Multiple Linear Regression), Mínimos Quadrados Parciais (PLS – Partial Least Squa-res) e Redes neurais (NN - Neural Networks). Os modelos obtidos para a série em estudo, no entanto, não tiveram qualidade estatística suficiente devido provavelmente, primeiro à quantidade muito pequena de compostos na série de treino do modelo com dados experimentais disponíveis e, também, ao provável grau de não linearidade presente na relação entre os descritores e a atividade.