分子电性距离矢量用于酯的定量结构-色谱保留相关研究

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种类型原子间相互作用的10个元素组成.通过引入原子属性和原子类型的概念构建的MEDV,适用于描述含多个杂原子、饱和键与不饱和键、环和非环等分子结构特征.利用MEDV对73个酯在不同固定相、不同柱温下219个样本的气相色谱保留指数值(R1)建立多元线性回归模型,其相关系数r=0.9957,继以留一谣(Leave-one-out)进行交互检验,相关系数rCV=0.0950.建模结果显示,MEDV具有很好的结构选择性,所建定量结构-保留关系(QSRR)模型具有良好的稳定性和预测能力,较好地揭示了酯类化合物在不同固定相、不同柱温下气相色谱保留指数的变化规律.     

应用分子电距矢量对地笋中挥发油化学成分色谱保留值分析

采用分子电性距离矢量(MEDV)表征地笋中挥发油化学成分的分子结构,并对其气相色谱保留时间进行了系统的定量结构-色谱保留关系(QSRR)研究。在变量筛选的基础上建立了多个挥发油化学成分QSRR模型,相关系数均在0.90以上。通过严格的统计检验表明所建模型具有良好的稳定性与预测能力。     

启发式方法研究有机化合物在全二维气相色谱中的定量结构-保留关系

采用半经验量子化学PM3的方法计算出130个有机化合物的描述符,用启发式方法分别对化合物在全二维气相色谱的3支色谱柱上的保留值建立了相应的定量结构-保留相关模型,并对模型进行了检验。所建模型呈现较好的线性,相关系数的平方(R2)均大于0.88,标准偏差（S）均小于0.105,留一法交互检验的相关系数的平方(R2cv)与所建模型的R2相当,说明模型具有良好的稳定性。化合物的预测结果显示所建模型有较准确的预测能力。     

不同极性固定相上醇色谱保留指数的预测

采用拓扑指数(mQ)、定位基参数(SOX)及固定液极性值(CP)与脂肪醇在6种固定相上的气相色谱保留指数值(RI)进行了相关分析,发现RI与上述参数间存在良好的相关性,其关系可表示为:RI=158·384 57·7220Q-12·0491Q 5·720SOX 5·756CP R=0·9913继以留一法(Leave-one-out,LOO)进行交互检验,相关系数RCV=0·9909。说明所建定量结构-保留关系(QSRR)模型具有良好的稳定性和预测能力,较好地揭示了脂肪醇类物质在不同固定相上气相色谱保留指数的变化规律。     

甲基烷烃结构与色谱保留指数相关性的拓扑指数法研究

计算了207个甲基烷烃的127个拓扑指数变量,把变量选择方法GAPLS方法引入到定量结构与气相色谱保留关系研究中,对127个拓扑指数变量进行选择,得到了含7个变量的化合物的定量结构与色谱保留指数关系(QSRR)模型,其复相关系数的平方为0.99998,标准偏差为2.88。交互验证的复相关系数为0.99997,交互验证的预测标准偏差为2.95,表明该模型具有良好的稳定性和可靠性。对获得的7个变量进行了合理的结构解释,表明甲基烷烃色谱保留指数完全能用拓扑指数来精确表征。     

地下水中挥发性有机物结构与色谱保留关系研究

本文采用分子电性距离矢量( Molecular Electronegativity-distancevector,MEDV)对地下水中26个挥发性化合物进行了结构表征,并与其色谱保留时间建立定量结构-保留关系(QSRR)模型.得到的MLR模型复相关系数(R2)为0.901,留一法(LOO)交互校验(CV)预测值的复相关系数(R2cv)为0.806;PLSR模型复相关系数(R2)为0.882,留一法(LOO)交互校验(CV)预测值的复相关系数(R2cv)为0.750.结果表明分子电性距离矢量(MEDV)能较好地表征该体系化合物结构,所建模型具有良好的稳定性与预测能力.     

烯烃气相色谱保留指数的QSRR研究

通过对184个烯烃类化合物在不同固定相不同柱温下的617个样本的气相色谱保留指数值(RI)与其部分参数:拓扑指数(mQ)、偶极矩(DPL)、固定液极性值(CP)及柱温(T)建立定量-色谱保留相关(QSRR)模型.分别利用多元线性回归(MLR)、偏最小二乘回归(PLSR)、人工神经网络(ANN)建模,同时采用内部及外部双重验证的办法对所得模型稳定性能进行深入分析和检验,建模计算值、留一法(LOO)交互检验(CV)预测值和外部样本的复相关系数Rcum,QLOO和Rext分别为0.999 2,0.998 4和0.999 2(MLR);0.999 0,0.998 0和0.999 1(PLSR);0.999 4,0.998 7和0.999 2(ANN).结果表明:所建定量结构保留关系(QSRR)模型具有良好的稳定性和预测能力,较好地揭示了烯烃类化合物在不同固定相不同柱温上气相色谱保留指数的变化规律.     

有机磷酸酯类化合物气相色谱定量结构保留关系研究

采用分子电性距离矢量(MEDV)表征有机磷酸酯类化合物的分子结构,运用多元线性回归建立定量结构-色谱保留关系(QSRR)模型,同时采用逐步回归结合统计检测对模型进行变量筛选,建立了35个有机磷酸酯类化合物在3种不同固定相(OV-101,DB-1701和DB-WX)上气相色谱保留指数(RI)与MEDV的定量相关模型.在3种固定相上的QSRR模型的建模计算值复相关系数(R)、留一法(leave-one-out)交互校验复相关系数(QCV)分别为0.998 0和0.995 1(OV-101);0.996 3和0.989 6(DB-1701);0.993 7和0.984 1(DB-WX),表明模型具有良好估计能力与稳定性.     

含氧化合物气相色谱保留指数的预测

通过对部分含氧化合物(醇、酯、醛、酮)在不同固定相不同柱温下的849个样本的气相色谱保留指数值(RI)与其部分参数:拓扑指数(mQ)、定位基参数(Sox)、固定液极性值(CP)及柱温(T)建立定量结构-色谱保留相关(QSRR)模型。分别利用多元线性回归(MLR)、偏最小二乘回归(PLSR)、人工神经网络(ANN)建模,同时采用内部及外部双重验证的办法对所得模型稳定性能进行深入分析和检验,建模计算值、留一法(LOO)交互检验(CV)预测值和外部样本预测值的复相关系数Rcum、QLOO和Rext分别为0.9832、0.9829和0.9836(MLR);0.9832、0.9830和0.9836(PLSR);0.9910、0.9909和0.9900(ANN)。结果表明:所建定量结构保留关系(QSRR)模型具有良好的稳定性和预测能力,较好地揭示了含氧化合物(醇、酯、醛、酮)在不同色谱条件下气相色谱保留指数的变化规律。     

有机磷农药分子空间坐标指数与色谱保留值的QSPR研究

根据分子空间坐标数据,定义了原子距离指数Ys、分子空间距离指数yF和空间坐标特征值指数Yλ来表征有机磷农药（OPS）的分子结构特征;运用误差反向传输（BP）人工神经网络方法建立21种OPS空间坐标指数与气相色谱保留值定量结构性质分析（QSPR）模型,预测了气相色谱保留值.结果得出实验室值与预测值的相关系数R=0.950 2,所建模型稳定性和预测能力均良好.     

分子电性距离矢量用于多溴联苯醚分子结构表达及色谱保留时间预测

应用分子电性距离矢量(MEDV)对多溴联苯醚(PBDEs)的209种同系物进行结构表征.通过多元线性回归的方法,建立了PBDEs定量结构-色谱保留(QSRR)关系的6个变量和5个变量的两种模型.两种模型的建模计算值复相关系数R均为0.995;用留一法(LOO)进行了交互检验,其复相关系数(R2cv)分别为0.987和0...     

Structural Characterization of Volatile Components of Rosa Banksiae Ait for Estimation and Prediction of Their Linear Retention Indices and Retention Times

The molecular electronegativity-distance vector （MEDV） was used to describe the molecular structure of volatile components of Rosa banksiae Ait, and QSRR model was built up by use of multiple linear regression （MLR）. Furthermore, in virtue of variable screening by the stepwise multiple regression technique, the QSRR models of 10 and 6 variables and linear retention index （LRI） 10, 7 and 6 varieables were built up by combinating MEDV with the Ultra2 column GC retention time （tR） of 53 volatile components of Rosa Banksiae Air. The multiple correlation coefficients （R） of modeling calculation values of QSRR model were 0.906, 0.906, 0.949, 0.943 and 0.949, respectively. The cross-verification multiple correlation coefficients （RCV） were 0.903, 0.904, 0.867, 0.901 and 0.904, respectively. The results show that the models constructed could provide estimation stability and favorable predictive ability.