TiO2 enkapsüle kitosan mikro/nano partikül çapı tahmininde yapay sinir ağları modelleme tekniklerinin uygulanması

Mikropartiküller ve nanopartiküller, biyomedikal alanda hastalıkları teşhis etmek, izlemek, tedavi etmek ve önlemek gibi çeşitli amaçlar için kullanılmaktadır. Kitosan, doğal bir polisakkarittir. Son yıllarda kitosan ve türevi biyomateryaller biyouyumluluk ve düşük toksisite gibi özellikleri sayesinde biyomedikal alanda ilgi görmüşlerdir. TiO2, iyi kimyasal stabilitesi, toksik olmaması, düşük maliyeti ile yüksek fotokatalitik aktivite ve antibakteriyel özellik kazandırma açısından çeşitli avantajlara sahiptir. Doğrusal olmayan çok değişkenli bir modelleme olan yapay sinir ağları (YSA), insan beyninden esinlenilerek geliştirilmiş bilgisayar programlarıdır. YSA'lar daha önceden öğrenilmiş veya sınıflandırılmış bilgileri kullanarak daha sonra hiç görmediği örnekler hakkında tahmin ve bilgi verebilen yapılardır. Bu çalışmada, biyomedikal uygulama alanlarında kullanılan TiO2 katkılı kitosan mikro/nano partiküllerin antibakteriyel özelliği ve partikül üretiminde proses parametrelerini tanımlayarak partikül boyutunu başarı ile tahmin edebilecek yapay sinir ağı modelinin uygulanabilirliğinin araştırılması amaçlanmıştır. Partiküller iyonik jelasyon mekanizması kullanılarak şırınga damlatma yöntemi ile üretilmiştir. E. Coli ortamında kitosan ve kitosan/TiO2 nanopartikül varlığında, 6 mm disk çapından (blank disk) sırasıyla, 7.5 mm ve 8 mm disk çapına bir zon oluşumu tespit edilmiştir. Bu durumda, TiO2 varlığında kitosan nanopartiküllerin antimikrobiyal aktivite gösterebileceği belirlenmiştir. Hesaplaması yapılan tüm gruplardaki partiküllerin (kitosan, kitosan/TiO2, kitosan-kitosan/TiO2) test çıktı değeri performans grafiklerinin, yapay sinir ağlarının MLP modelinde iyi uyum gösterdiği belirlenmiştir. MLP modelinde en yüksek R ve R2 değerleri (sırasıyla 0.89219 ve 0.8104) kitosan/TiO2 partikül verilerinden elde edilmiştir. Hesaplaması yapılan tüm gruplardaki beklenen değerlerin performans grafiklerinin, yapay sinir ağlarıyla RBF modelinde tamamıyla uyum gösterdiği anlaşılmıştır (R2=1). Her iki modelin de tüm gruplardaki boyut tahmininde başarılı olduğu, ancak RBF modelinden elde edilen R ve R2 değerlerinin daha yüksek ve hata değerlerinin daha düşük olduğu belirlenmiştir.