基于支持向量机的聚氯乙烯耐有机溶剂性能分类

支持向量机是一类全新的小样本统计学习方法,它通过支持向量对样本进行分类或统计回归.将其应用于对非晶态聚氯乙烯的耐有机溶剂性能进行分类研究.选择74种溶剂(73种有机溶剂和水)的溶解度参数分量,即色散参数(δds)、偶极参数(δps)、氢键参数(δhs)为描述变量,采用径向基核函数,以留一法交互检验的识别率为目标函数进行支持向量分类.当选择SVM参数C=512及径向基核函数参数γ=0 5×10-3时,SVM对PVC耐蚀性能分类的模型识别率为94 59%,LOO识别率为91 89%.     

氯氧化镁生成热的测定

利用氧化镁与2.5mol/L氯化镁溶液反应制备氯氧化镁(A)和(B)。在微量量热计上测得样品在2.163mol/L盐酸中的溶解热,据溶解热与比值n的关系求得(A)和(B)的溶解热,进而获得它们的生成热。     

神经网络用于抗癌药物蛋白质酪氨酸激酶抑制剂苄叉丙二腈衍生物QSAR研究

系统研究了神经网络 (NN)模型算法及其在药物定量构效关系 (QSAR)中的应用。采用改进的误差反传算法探讨了抗癌药物蛋白质酪氨酸激酶抑制剂苄叉丙二腈类化合物的生物活性 (PI50 )与取代基参数如共振效应R ,摩尔折射率MR及指示变量I等的定量关系。给出了精密的估计和准确的预测 (相关R =0 .9435,标差S =0 .343,残差小于 0 .8,即d≤ 0 .772 ) ,优于经典的多元线性回归法 (相关R =0 .864,标差S =0 .52 8,残差小于 2 .5即d≤ 2 .42 )。结果表明 :神经网络是一种有效的计量化学建模预测方法 ,可用于抗癌药物的分子设计与构效关系研究。     

部分苯酚化合物对梨型四膜虫毒性的三维定量构效关系

采用比较分子力场分析描述子表征了133个苯酚类化合物对梨型四膜虫的毒性,从133个化合物中随机选取113个作为训练集建立CoMFA模型,其余的20个化合物作为检验集用于评价模型的预测能力,毒性与立体场和静电场的相互关系用三维等高线图直观显示,结果表明苯环上取代基给电子能力的大小和取代基团体积的大小对化合物的毒性均有直接影响.模型的交互验证相关系数(q2)为0.660,相关系数(R2)和标准偏差分别为0.924和0.215,最佳主成分数PC为8,F统计值为158.960,具有较好的预测能力.     

9种酚及其混合物对淡水发光菌的毒性作用

应用微板发光毒性测试方法,测定了9种取代酚及其混合物对淡水发光菌——青海弧菌(Q67)的发光抑制百分率(即毒性指标),进而通过非线性最小二乘法对测定的剂量-效应曲线进行模拟,以等效应浓度比法设计混合物,借剂量加和(DA)与独立作用(IA)模型评估混合物的混合毒性。试验发现:9种取代酚对Q67的毒性大小(以pEC50表示)依次为:苯酚<间甲苯酚<邻氯苯酚<对甲苯酚<间硝基苯酚<邻硝基苯酚<对氯苯酚<对硝基苯酚<2,4-二氯苯酚;按等效应浓度比,如EC50、EC20、EC10、EC4和EC1构成的5种酚混合物的混合毒性,既可以用DA模型、也可用IA模型进行评估与预测。     

部分取代芳烃发光菌毒性的HQSAR分析

采用分子全息定量构效关系（Holographic QSAR）对47个取代芳烃的发光菌生物毒性与化学分子结构之间的关系进行了研究和分析.分子全息表征方法所构建的结构活性模型比传统的理化表征和其他基于碎片的低连接性表征方法优越,由模型所得到的交互检验预测结果拟合相关系数为Q2=0.904.模型的质量随碎片大小而改变,碎片范围变化较大.因为分子全息方法表征的是有机污染物与配体之间相互作用的内在信息,所以这种相对简单的分子碎片表征方法能够反映出分子结构的细微性质.     

脂肪醇分子碳环境结构表征与碳谱化学位移

A novel atomic electronegative distance vector (AEDV) has been developed to express the chemical environment of various equivalent carbon in alcohols and four 4-parameter linear relationship between chemical shift and AEDV are created by using multiple linear regression.     

对多氯代二苯并二噁的定量结构-气相色谱保留行为关系研究

采用分子电性距离矢量(MEDV)描述子表征多氯代二苯并二(口惡)(口英)(PCDDs),结合基于预测的变量选择和建模方法(VSMP),从MEDV中挑选出1-2个描述子,对不同固定相下PCDDs的气相色谱保留值建立定量线性模型。结果表明MEDV分子描述子对分子结构具有很好的分辨能力。利用VSMP方法挑选的MEDV描述子很好表达了描述子与气相色谱保留值之间的相关关系,所建立的模型相关系数(R)均大于0.98,留一法交互检验的相关系数(q)均大于0.97;并均匀挑选2/3有实验数据的异构体作为训练集,余下的1/3作为检验集,进行了变量挑选、建模,结果表明,挑选的变量与用全部已知样本建模时一致,最后对没有实验值的异构体进行了预测。     

多氯联苯(PCB_S)分配系数的估算和预测

基于烷烃分子距边矢量 ,将以原子为基准的距离 边数矢量扩展为以基团为基准的距离 边数矢量。研究发现新分子距边矢量与多氯联苯正辛醇 /水分配系数的对数有很好的线性关系 :logKow =4 1 0 884 0 52 4 2 37μ1 - 0 0 92 90 6 2 μ2 .n =37,r =0 990 8,S =0 1 775,EV=0 981 1 ,F =1 86 8.