多氯联苯热力学性质的预测

文章采用分子电性距离矢量（MEDV）表征209个多氯联苯类化合物（PCBs）的分子结构,运用多元线性回归技术,同时采用逐步回归结合统计检测筛选模型变量,建立了多氯联苯类化合物的自由能（G^o）、焓（H^o）、嫡（S^o）、分子总能量（ET）、零点振动能（EZPV）、恒容热容（CV）和热能校正值（Eth）与MEDV矢量的定量结构性质关系（QSPR）模型。模型的线性相关系数均在0．97-1.000之间。继用留一法和外部样本对模型稳定性能进行检验。结果表明：所建QSPR模型有良好的稳定性和预测能力,为多氯联苯类化合物热力学性质研究提供了理论依据。     

阴离子表面活性剂亲水亲油平衡值的QSPR研究

采用分子电性距离矢量（MEDV）表征65个阴离子表面活性剂的分子结构,运用多元线性回归技术,同时采用逐步回归结合统计检测对模型变量进行筛选,建立了阴离子表面活性剂的亲水亲油平衡值（HLB）与MEDV的定量结构．性质关系（QSPR）模型。采用内外双重验证的办法深入分析和检验所得模型稳定性,建模计算值、留一法交互校验预测值和外部样本预测值的复相关系数僻）分别为0．971、0．956和0．958。结果表明：所建QSPR模烈有良好的稳定性和预测能力。该研究结果为预测表面活性剂的亲水亲油平衡值提供了理论依据。     

多氯联苯热力学性质的构效关系

通过计算二噁英类化合物多氯联苯（PCBs）217种分子的定位指数和基团对应指数，以这些分子的热力学性质的文献值为建模样本，运用多元线性回归方法建立了多氯联苯的标准熵（S0）、标准焓（H0）、标准自由能（G0）、分子总能量（ET）、热能校正值（Eth）、零点振动能（Ezpv）及恒容热容（Cv0）等热力学性质的定量结构-性质相关方程，相关系数均在0.99以上。这些模型能较好地解释多氯联苯热力学性质的递变规律，而且相关系数高，稳定性好，预测能力强。采用留一法对模型稳健性进行了检验，得到的预测模型对另外一些多氯联苯分子的热力学性质进行预测，预测结果和文献值基本吻合。     

脂肪族硝基含能化合物撞击感度的QSPR研究

基于定量结构-性质相关性(QSPR)原理,研究脂肪族硝基化合物撞击感度与其分子结构间的内在定量关系。应用遗传函数算法筛选出与撞击感度密切相关的6个参数作为分子描述符;采用多元线性回归方法建立基于该6参数的脂肪族硝基化合物撞击感度预测模型。分别采用内部验证及外部验证的方式对模型性能进行验证,研究结果表明模型具有较高的稳定性、预测能力及泛化性能。     

多氯联苯醚热力学性质的定量构效关系

多氯联苯醚（PCDEs）是环境持久性污染物,通过计算多氯联苯醚（PCDEs）所有209种可能分子结构原子的特征值,利用分子图形学技术获得了新的连接性指数-定位对应指数,采用一元线性回归方法建立了PCDEs的分子平均极化率（α）、标准焓（H0）、自由能（G0）、恒容热容（C0V）和标准熵（S0）的定量结构-性质相关模型,相关性良好（r >0.99）,估算的相对平均误差分别为1.02%、0.48%、0.48%、0.22%和0.90%.利用jackknifed法检验模型的稳定性和预测能力,jackknifed检验的相关系数均在0.99以上,这些模型能较好地解释PCDEs热力学性质的递变规律,而且稳定性好,预测能力强。     

基于神经网络的定量结构-性质相关性研究预测有机物燃烧特性

介绍了神经网络及定量结构-性质相关性(QSPR)研究基本原理,综述了两者相结合在闪点、自燃点、爆炸极限等化学物质燃烧特性预测中的应用和进展.分别对各性质不同预测模型的优缺点及适用范围进行了评述.在此基础上对神经网络与线性回归方法的比较、神经网络技术的发展等进行了探讨,对实验样本设计、分子描述符选择及模型验证等的研究现状和发展趋势进行了讨论.展望了QSPR在安全研究领域的应用前景.     

分子电距矢量用于乙酰苯胺类化合物QSAR研究

通过对17个乙酰苯胺类化合物的分子电距矢量(MEDV)与其分子最小阻滞浓度(MBC)进行关联,建立多元线性回归模型:1gMBC=1.934-0.043×v5-0.094×v2-0.885×v9,R=0.896.随后采用留一法(LOO)交叉检验(CV)对模型进行了验证,相关系数Rcv=0.847.结果表明,该模型具有良好的稳定性和预测能力.     

有机物在离子液体中无限稀释活度因子及液液界面张力的定量机构-性质关系

用PM3半经验量子化学方法计算了烷烃、烯烃和芳烃等的疏水性参数lgP、偶极矩、前线分子轨道能隙和水合能等结构描述符,与实验测定的烃类在1-丁基-3-甲基咪唑六氟磷酸盐（［C₄MIM］［PF₆］）、1-烯丙基-3-甲基咪唑四氟硼酸盐（［AMIM］［BF₄］）、1-异丁烯基-3-甲基咪唑四氟硼酸盐（［MPMIM］［BF₄］）和［MPMIM］［BF₄］-AgBF₄ 4种离子液体中的无限稀释活度因子进行定量结构-性质关系（QSPR）研究,建立的QSPR模型具有良好的关联和预测能力.同时测定了烃类等溶质与离子液体［C₄MIM］［PF₆］的液液界面张力,发现其与无限稀释活度因子有相似的变化趋势,据此采用同样的结构描述符,建立了溶质与［C₄MIM］［PF₆］界面张力的QSPR模型,模型的关联能力良好.     

分子电性距离矢量（MEDV）用于醇的分子结构表达和物理性质预测

分子电性距离矢量（MEDV）是一种描述分子二维结构的拓扑描述子,由4种类型原子间的相互作用得到的10个元素组成.通过引入原子属性和原子类型的概念,适用于含多个杂原子、饱和键与不饱和键、环和非环等结构特征.基于MEDV,对多种醇的沸点（BP）、水溶性［lg(1/S)］、醇/水分配系数（lgP）、分子总表面积（TSA）、分子体积（MV）和分子折射率（MR）等6种物理性质建立了多元线性回归模型,其相关系数分别达到0.9972,0.9925,0.9975,0.9998,0.9997和0.9999,标准偏差分别为3.2660,0.1373,0.1237,0.0184,1.0354和0.2084.采用留一法交互检验验证模型对外部样本的预测能力,对水溶性的相关系数为0.9714,其余的均在0.99以上.分子建模结果显示,MEDV具有很高的化学结构选择性和优良的物理化学性质相关性.     

用新的路径定位指数和神经网络研究多溴联苯醚理化性质

基于溴取代基及共轭母体的结构特征,定义一种新的路径定位指数^mP,并计算了209种多溴联苯醚分子的电性拓扑状态指数E₉和电性距离矢量M₂₆,这3个指数对有机污染物呈现出良好的结构选择性。采用多元回归方法对多溴联苯醚（PBDEs）的色谱保留时间（t_R）、正辛醇/空气分配系数（lgK_OA）、超冷流体蒸气压（lgP_L）及其毒性等性质与分子结构指数进行关联,建立的4个预测模型的相关系数分别达到0.991、0.997、0.998和0.904,标准偏差分别为0.031、0.104、0.100和0.358。将3个指数作为BP神经网络的输入层神经元,采用不同的网络体系结构,获得了令人满意的预测理化性质的神经网络模型,所得结果明显优于多元回归方法,结果显示多溴联苯醚的理化性质与⁰P、E₉和M₂₆具有良好的非线性关系。     

基于GA-MLR方法的有机化合物热膨胀系数的QSPR研究

利用QSPR研究方法,结合遗传算法(Genetic Algorithm,GA)和多元线性回归(Multiple Linear Regression,MLR),建立了3635个有机化合物液相膨胀系数的QSPR模型。该模型包含6个描述符,对于训练集R2=0.833%,Q2=0.810%,RMSE和AARD分别是0.043%和1.02%,测试集的统计结果是R2=0.811,RMSE=0.061%,AARD=1.425%。这个模型对于包含大量有机化合物的数据集来说,是可靠并稳定的,具有较好的预测能力。     

分子电性距离矢量预测金线莲挥发油成分结构表征及色谱保留值

采用分子电性距离矢量(molecular electro-negativity distance vector,MEDV)对金线莲挥发油中分离的72种化合物进行了结构表征,并采用SPSS统计处理软件对变量进行了逐步回归(SMR)分析,建立了4变量的定量结构-色谱保留(quantitative structure retention relationship,QSRR)相关模型,同时采用内部及外部双重验证的办法对所建模型稳定性进行了分析和验证,建模计算值、留一法(leave-one-out,LOO)交互检验预测值和外部样本预测值的复相关系数R、RLOO、Qext分别为0.959,0.947,0.913。结果表明,MEDV能较好地表征非同类化合物的分子结构信息,所建模型具有良好的稳定性和预测能力,将其用于中药化学成分分离、分析、结构表征及其药用价值的有效开发,具有重要的理论指导意义。     

紫花前胡挥发油的多种组分的结构表征及其保留时间的估计和预测

用分子电距矢量(MEDV)对紫花前胡挥发油的62种组分在GCMS中的保留时间进行了定量构效关系的研究。通过多元线性回归,得到的相关系数R=0 958。用逐步回归的方法筛选7个变量进行建模,相关系数R=0 957,再用留一法(Leave one out,LOO)交互检验对模型进行评价,得到的相关系数RCV=0 933。所以此模型具有较好的稳定性和预测能力。     

聚氧乙烯类和硫酸盐类表面活性剂HLB值的研究

亲水亲油平衡值(Hydrophile/Lipophile Balance,HLB)是表征表面活性剂性质的重要参数。采用比较分子力场分析(comparative molecular field analysis,CoMFA)方法和比较分子相似性指数分析(comparative similarity indices analysis,CoMSIA)方法,研究了30个烷基酚聚氧乙烯醚系列非离子表面活性剂的三维定量结构与pHLB值的关系。建立的CoMFA模型交叉验证系数为0.705,非交叉验证系数为0.805:CoMSIA模型交叉验证系数为0.685,非交叉验证系数为0.813,都有较好的预侧能力。此外,运用多元线性回归方法建立一种预报硫酸盐类表面活性剂HLB的QSPR模型,模型的复相关系数为0.711。所有选取的测试集和训练集的预报结果较为吻合,说明硫酸盐类表面活性剂HLB值QSPR模型具有良好的预报能力和普适性。