مدلسازي و شبيه‌سازي بيوسنسور آنزيمي براي تشخيص آفلاتوكسين B1 با استفاده از شبكه عصبي مصنوعي

افلاتوكسين B1 (AFB1) سمي ترين گروه آفلاتوكسين‌هاست كه باعث آلودگي محصولات كشاورزي شده و اثرات مرگ باري بر سلامت انسان دارد. تشخيص AFB1 در مواد غذايي و خوراكي توسط بيوسنسورها سريع، كم هزينه و دقيق است. در اين مقاله به مدلسازي و شبيه‌سازي ‌واكنش‌هاي شيميايي در بيوسنسور پتانسيومتري AFB1 جهت تعيين ثابت‌هاي  بهينه نرخ واكنش پرداخته شده است. شبيه‌سازي ‌واكنش‌هاي شيميايي توسط نرم افزار COMSOL و بهينه سازي ثابت‌هاينرخ واكنش توسط شبكه عصبي مصنوعي و الگوريتم ژنتيك انجام شد. علاوه بر آن شبكه عصبي مصنوعي به عنوان تابع هدف مورد استفاده در الگوريتم ژنتيك به كار رفت. داده هاي توليد شده در مرحله شبيه سازي جهت آموزش و ارزيابي عملكرد شبكه عصبي مورد استفاده قرار گرفتند. نتايج بدست آمده نشان داد مدل COMSOL در مقايسه با داده‌هاي تجربي، پاسخ بيوسنسور را با MAPE برابر با 0.1023 % شبيه سازي كرد. شبكه عصبي مصنوعي آموزش داده شده با ساختار 1485 نيز قادر به پيش بيني پاسخ بيوسنسور با MAPE برابر با 0.7074 % ، 0.9458 % ، 0.7473 % و 0.7492 % به ترتيب براي داده‌هاي گروه آموزش، اعتبار سنجي، آزمون و كل داده‌ها بود. نتايج بهينه‌سازي ثابت‌هاي  نرخ واكنش توسط الگوريتم ژنتيك و شبكه عصبي مصنوعي نشان داد شبيه سازي پاسخ بيوسنسور AFB1 با استفاده از شبكه عصبي مصنوعي و پارامتر‌هاي ورودي انتخاب شده توسط الگوريتم ژنتيك داراي كمترين خطاي MAPE برابر با  0.0026 % در پيش بيني ميزان مهار آنزيم AChE توسط AFB1 است.