氯苯胺类化合物对发光细菌毒性的定量构效关系

应用密度泛函理论的BLYP方法,对14种氯苯胺类化合物进行几何构型优化,得到稳定构型下的量子化学参数,研究了该类化合物对发光细菌毒性作用的定量结构-活性关系(QSAR),应用逐步回归方法建立了相关方程.结果表明:该类化合物对发光细菌的毒性作用随分子最低空轨道(LUMO)能级的降低而增大,随分子中氯取代数目的增加而增大.     

定量结构-性质相关原理在阴离子表面活性剂临界胶束浓度预测中的应用

利用定量结构-性能相关（QSPR）原理，建立起了8类不同结构，计40个阴离子 表面活性剂临界胶束浓度（cmc）的定量模型。所得到的最佳模型包括：分子总能 量（E_T）、分子生成热（ΔH_f）、分子偶极矩（D）、前线分子轨道能量（E_ (LUMO),E_(HOMO)）及憎水基0级Kier & Hall指数（KHO），计6个描述符，复相关 系数R~2 = 0.9778。     

结合三维静电势参数研究化合物溶解度与溶剂分子结构间的定量关系

对一系列溶剂分子进行了结构优化和静电势及其导出参数的计算,运用多元线 性回归方法对10种化合物萘、菲、蒽、联苯、苊、六氯苯、苯偶酰、噻吨-9-酮、 二苯砜和敌草隆的溶解性能与溶剂分子的结构参数进行了关联。结果表明：分子表 面最正和最负的静电势V_(s,max)和V_(s,min)、电荷分离度Π以及分子的静电相互 作用趋势量τ这四个三维静电势参数,加上分子的前线轨道能级ε_(HOMO)和ε_ (LUMO)能很好地用于表达这些化合物在不同纯溶剂中的溶解度与溶剂分子结构间的 定量关系。     

应用人工神经网络预测氢化可的松的溶解度

以量子化学方法在密度泛函B3LYP/6-31G(d)水平上计算得到含有电负性原子的溶剂水、醇类、酮类、酯类、氯代烷烃共17种溶剂的结构参数：最高占用轨道能(EHOMO)、分子最低空轨道能(ELUMO)、分子偶极矩(μ)、分子总能量(Etotal) 、最正原子净电荷(q+)、最负原子净电荷(q-)。采用误差反向传播(BP)算法的三层人工神经网络,确定隐含层节点数为7,建立了EHOMO、ELUMO、μ、Etotal、q+、q-、摩尔体积(VM)、介电常数(ε)、温度(T)共9个参数与氢化可的松在不同温度下不同溶剂中的溶解度之间关系的模型。运用此神经网络模型可预测不同分离条件下氢化可的松的溶解度,平均预测相对误差为7.0%。     

基于QSAR模型的有机磷化合物毒性预测

随着有机磷化合物(OPs)的广泛应用,其在越来越多的环境介质中被检测出来。大多数OPs具有毒性,但人们缺乏快速且有效的预测手段来对毒性进行评估。本文将结合E-Dragon软件计算的分子描述符,采用不同的QSAR模型对36个OPs的毒性进行预测。文中采用后退法作为描述符筛选方法,以均方根误差(RMSE)作为评价标准,共找到14个对线性核函数支持向量机(SVM)模型贡献较大的描述符;在最终得到的SVM模型交叉验证结果中,计算值与实际值的相关系数为0. 913,均方根误差为0. 388;外部测试验证结果中,平均相对误差为9. 10%。此外,采用多元线性回归(MLR)、人工神经网络(ANN)以及偏最小二乘回归(PLS)模型对OPs的毒性进行预测,交叉验证结果显示,三个模型的计算值与实际值的相关系数分别为0. 878、0. 686与0. 620,没有SVM模型的预测能力好。因此采用线性核函数的SVM模型对OPs进行毒性预测是一个行之有效的方法。     

基于定量结构-性质关系方法预测氨基酸的比旋光度

运用定量结构-性质关系(quantitative structure-property relationsh ip,QSPR)方法对人体必需的氨基酸比旋光度进行了预测,同时运用交互检验(LOO)方法对所建立的模型进行了检验。应用启发式算法对描述符进行筛选并建立线性回归模型,所建立的模型的相关系数(R2)为0.918,但分别用 1、-1代表左旋和右旋的分子手性后,重新建立多元线性回归模型,其相关系数(R2)变为0.970。本研究所建立的QSPR模型为预测手性化合物比旋光度提供了一种有效的新方法。