مدلسازی و شبیه‌سازی بیوسنسور آنزیمی برای تشخیص آفلاتوکسین B1 با استفاده از شبکه عصبی مصنوعی

Abstract

افلاتوکسین B1 (AFB1) سمی ترین گروه آفلاتوکسین‌هاست که باعث آلودگی محصولات کشاورزی شده و اثرات مرگ باری بر سلامت انسان دارد. تشخیص AFB1 در مواد غذایی و خوراکی توسط بیوسنسورها سریع، کم هزینه و دقیق است. در این مقاله به مدلسازی و شبیه‌سازی ‌واکنش‌های شیمیایی در بیوسنسور پتانسیومتری AFB1 جهت تعیین ثابت‌های <em> </em>بهینه نرخ واکنش پرداخته شده است. شبیه‌سازی ‌واکنش‌های شیمیایی توسط نرم افزار COMSOL و بهینه سازی ثابت‌هاینرخ واکنش توسط شبکه عصبی مصنوعی و الگوریتم ژنتیک انجام شد. علاوه بر آن شبکه عصبی مصنوعی به عنوان تابع هدف مورد استفاده در الگوریتم ژنتیک به کار رفت. داده های تولید شده در مرحله شبیه سازی جهت آموزش و ارزیابی عملکرد شبکه عصبی مورد استفاده قرار گرفتند. نتایج بدست آمده نشان داد مدل COMSOL در مقایسه با داده‌های تجربی، پاسخ بیوسنسور را با MAPE برابر با 1023/0 % شبیه سازی کرد. شبکه عصبی مصنوعی آموزش داده شده با ساختار 1-48-5 نیز قادر به پیش بینی پاسخ بیوسنسور با MAPE برابر با 7074/0 % ، 9458/0 % ، 7473/0 % و 7492/0 % به ترتیب برای داده‌های گروه آموزش، اعتبار سنجی، آزمون و کل داده‌ها بود. نتایج بهینه‌سازی ثابت‌های <em> </em>نرخ واکنش توسط الگوریتم ژنتیک و شبکه عصبی مصنوعی نشان داد شبیه سازی پاسخ بیوسنسور AFB1 با استفاده از شبکه عصبی مصنوعی و پارامتر‌های ورودی انتخاب شده توسط الگوریتم ژنتیک دارای کمترین خطای MAPE برابر با 0026/0 % در پیش بینی میزان مهار آنزیم AChE توسط AFB1 است.