Recuperação relativa (Re) é uma das principais preocupações de microdiálise, uma técnica de amostragem acessível que pode coletar continuamente drogas livres no sangue e na maioria dos tecidos. Para uma determinada sonda de microdiálise, a recuperação de cada composto desta sonda está relacionada às características estruturais e propriedades físico-químicas se as condições experimentais estão estabelecidas. Neste trabalho, modelos de relação quantitativa estrutura-propriedade (QSPR) utilizando os métodos de regressão linear múltipla (MLR) e máquina de vetores de suporte (SVM) foram ajustados com o intuito de destrinchar relações de Re de microdiálise de compostos e seus descritores moleculares que capturam as características estruturais moleculares para uma série de derivados da flavona. Como resultado, parâmetros estatísticos significativos (modelo MLR: R² = 0,9268 (coeficiente de correlação), Q²LOO = 0,8572 (variância explicada prevista) e Q²ext = 0,8639 (variância explicada externa), e modelo SVM: R² = 0,9383 e Q²ext = 0,8536) foram obtidos, indicando boa estabilidade e habilidade preditiva dos modelos. Assim, tornando viável prever as recuperações relativas na microdiálise de alguns compostos a partir de seus descritores moleculares. Este estudo foi uma tentativa inovadora e pode fornecer novos métodos para pesquisar a recuperação de microdiálise dos compostos.
Relative recovery (Re) is one of the major concerns of microdialysis, a valuable sampling technique which can continuously collect unbound drugs in blood and most tissues. For a given microdialysis probe, the recovery of every compound from the probe is related to its structural characteristics and physicochemical property if the experiment condition is fixed. In this work, quantitative structure-property relationship (QSPR) models using multiple linear regression (MLR) and support vector machine (SVM) methods were setup to excavate the relationships of microdialysis Re of compounds and their molecular descriptors which capture the structural characteristics of molecules for a series of flavone derivatives. As result, significant statistical parameters (MLR model: R² = 0.9268 (correlation coefficient), Q²LOO = 0.8572 (explained variance in prediction) and Q²ext = 0.8639 (external explained variance), and SVM model: R² = 0.9383 and Q²ext = 0.8536) were obtained, indicating good stability and predictive ability of the models. Therefore, it seems feasible to predict the microdialysis relative recovery of some compounds from their molecular descriptors. This investigation was an innovative trial and can provide new methods for researching the microdialysis recovery of the compounds.
