ارزیابی کارایی مدل‌های رگرسیون چند‌متغیره و شبکۀ عصبی مصنوعی (ANN) در پیش‌بینی فعالیت آنزیم‌های آنتی‌اکسیدان در شاخسارۀ گندم نان (Triticum aestivum) تحت سمیت کادمیم

Abstract

هدف از انجام این تحقیق مقایسة کارایی مدل‌های رگرسیون چند‌متغیره و شبکة عصبی مصنوعی (ANN) جهت پیش‌بینی مقدار فعالیت آنزیم‌های آنتی‌اکسیدان سوپراکسید دیسموتاز (SOD)، کاتالاز (CAT)، آسکوربات پراکسیداز (APX) و پراکسیداز (POX) در شاخسارة گندم (<em>Triticum</em><em>aestivum</em>) رقم الوند در خاک آلوده به کادمیم بود. تیمارهای آزمایش شامل چهار سطح کادمیم (صفر (شاهد)، 25، 50 و 100 میلی‌گرم کادمیم در کیلوگرم خاک) بود. پس از گذشت 30 روز (هم‌زمان با مرحلة به ساقه رفتن) اقدام به برداشت نمونه‌ها و اندازه‌گیری ده پارامتر مختلف شامل وزن تر و خشک، غلظت کلروفیل‌های a و b، غلظت عناصر کادمیم، مس، آهن، منگنز، روی و پتاسیم شد. همچنین، مقدار فعالیت آنزیم‌های SOD، CAT، APX و POX اندازه‌گیری شد. در مرحلة بعد ضرایب همبستگی بین پارامترهای ده‌گانه و مقدار فعالیت آنزیم‌های آنتی‌اکسیدان تعیین شد. نتایج حاصل از مدل‌های بهینه‌شدة رگرسیون چند‌متغیره و شبکة عصبی مصنوعی نشان داد که کارایی مدل شبکة عصبی مصنوعی در پیش‌بینی مقدار فعالیت آنزیم‌های SOD و POX بیش از مدل رگرسیون چند‌متغیره بود. ضرایب همبستگی (r²) بین مقادیر اندازه‌گیری‌شده و پیش‌بینی‌شدة فعالیت آنزیم SOD برای مدل‌های رگرسیون چند‌متغیره و شبکة عصبی مصنوعی به ترتیب 76/0 و 87/0 بود. ضرایب همبستگی آنزیم POX برای مدل‌های رگرسیون چند‌متغیره و شبکة عصبی مصنوعی به ترتیب 96/0 و 98/0 بود. ضرایب همبستگی بین مقادیر اندازه‌گیری‌شده و پیش‌بینی‌شدة فعالیت آنزیم CAT برای مدل‌های رگرسیون چند‌متغیره و شبکة عصبی مصنوعی به ترتیب 97/0 و 98/0 بود. در رابطه با آنزیم APX این ضرایب برای مدل‌های رگرسیون چند‌متغیره و شبکة عصبی به ترتیب 97/0 و 99/0 بود. با توجه به نتایج این تحقیق می‌توان گفت کارایی مدل شبکة عصبی مصنوعی در پیش‌بینی مقدار فعالیت آنزیم‌های آنتی‌اکسیدان در شاخسارة رقم الوند تحت سمیت کادمیم به طور کلی بیش از مدل رگرسیون چند‌متغیره بود.