بررسي فعاليت آنزيم پراكسيداز با استفاده از مدل‌هاي رگرسيون چند متغيره، شبكه عصبي مصنوعي و نروفازي در ميوه سيب تيمار شده با عصاره گياهي و عامل بيماري Penicillium expansum

The evaluation of peroxidase using multivariate regression models, neural networks and neuro-fuzzy in apple fruit treated with plant extract and Penicillium expansum

استفاده از عصاره‌های گیاهی به عنوان یك جایگزین مناسب به جای مصرف سموم در رابطه با بیماری‌های بعد از برداشت و به خصوص بیماری كپك آبی مطرح بوده است. اندازه‌گیری فعالیت آنزیم‌های درگیر در فعالیت‌های دفاعی گیاهی روشی كارآمد و در عین حال هزینه بر در ارزیابی سطح بیماری می‌باشد. در این تحقیق ابتدا فعالیت آنزیم پراكسیداز در هشت روز متوالی در میوه سیب كه تحت تیمارهای مختلف عصاره اسطوخودوس (Lavandula officinalis) و قارچ بیمارگر Penicillium expansum قرار گرفته بود بررسی شد. سپس بر اساس اطلاعاتی كه از این آزمون به دست آمد با استفاده از مدل‌های رگرسیون چند متغیره خطی، شبكه عصبی مصنوعی و مدل نروفازی فعالیت آنزیم پراكسیداز در میوه سیب پیش‌بینی شد. نتایج نشان داد در روز پنجم بیشترین میزان فعالیت آنزیم همانند روزهای قبل در سیب‌های آلوده تیمار شده با عصاره مشاهده شد و این افزیش نسب به تیمارهای دیگر معنی دار بود و بیشترین فعالیت آنزیم در همه تیمارها به غیر از شاهد سالم در این روز مشاهده شد. همچنین نتایج نشان داد كه مدل نروفازی كارایی بالاتری را جهت پیش‌بینی فعالیت آنزیم پراكسیداز نسبت به سایر مدل‌ها دارد. لذا در تحقیقات آینده پیشنهاد می‌شود از مدل نامبرده جهت پیش‌بینی رفتار آنزیم‌ها استفاده شود، همچنین كاربرد چنین روش‌هایی هزینه و زمان آزمایش را كاهش می‌دهد.

The use of plant extracts can consider as an alternative for pesticides, to control post-harvest diseases like apple blue mold. It was efficient method the measuring the enzymes activity involved in plant defense systems to evaluate the disease, but it was expensive method. At present research, the peroxidase activity in treated apple fruits with lavender extracts and pathogen during eight days was investigated. Then, we applied three common models (i.e. multiple linear regression models, neural networks and neuro-fuzzy) to predict the peroxidase activity based on the information of the previous test. The results showed the highest enzyme activity was observed in the infected apples treated with the extract in fifth days, as the days before and it was significant compared to other treatments. The most activity of peroxidase was observed in all treatments except control, was observed on the fifth day. Our constructed models revealed that neuro-fuzzy model had higher performance in the peroxidase activity prediction compared with the other models.