卤代化合物的碳—13化学位移模拟

用人工神经网络和多元回归方法对含２个碳的２１个卤代化合物的３５个化学位移进行计算机图像模拟，结果表明，人工神经网络方法优于多元回归方法，同时此种方法处理这类问题有明显的优势，波谱模拟技术在有机化合物结构解析中是非常有用的方法。     

丁烷衍生物类木脂素13C NMR化学位移预测

借助原子电性作用矢量(AEIV)和原子杂化状态指数(AHSI),对39种丁烷衍生物类木脂素共计854个等价C原子进行表征,并建立用于模拟该类分子13C NMR化学位移的多元线性回归方程.所得定量结构波谱关系(QSSR)模型及留一法交互检验相关系数分别为r=0.981和q=0.962.进一步用从马尾松松针中分离所得新木脂素中20个13C NMR化学位移对模型进行外部验证,预测结果与实验值较接近.表明所建模型有良好稳定性和泛化力,可对丁烷衍生物类木脂素13C NMR谱学数据准确模拟.     

特殊缔合体系TFE水溶液分子动力学模拟

三氟乙醇(TFE)水溶液是一类特殊的缔合体系. 采用分子动力学模拟方法结合核磁共振化学位移研究了TFE水溶液体系全浓度范围的氢键网络, 并对动力学模拟结果和核磁共振化学位移进行了比较. 从径向分布函数(RDF)发现, TFE水溶液中存在着强氢键, 而体系中的C—H…O弱相互作用较为明显, 也不能忽略. 氢键网络分析发现TFE 水溶液体系的氢键大致分为以下三个区域: 在水富集区域, 水分子倾向于自身缔合形成稳定的簇结构, 随着TFE 浓度的增加, 水的有序结构受到破坏, 水分子和TFE分子发生交叉缔合作用形成氢键; 在TFE富集区域, 水分子较少, TFE分子自身通过氢键形成多缔体结构. 此外, 分子动力学统计的平均氢键数的变化和文献报导的核磁共振化学位移变化趋势相同, 实验和理论的结果吻合较好.     

稠环芳烃系列化合物化学位移的计算——Ⅲ.稠环芳烃13C化学位移的加合性

本文在稠环芳烃质子化学位移及甲基稠环芳烃甲基质子化学位移加合性的基础上考虑到稠环芳烃分子中碳原子微环境的特点、π电子环流以及碳原子受到的范德华作用对¹³C化学位移的贡献机理,提出12种类型的六元碳环结构因素,并利用10个化合物的80个¹³C化学位移实验数据得出适合于稠环芳烃¹³C化学位移的普遍公式,按这一公式计算结果的标准误差为lppm,远小于现有的半经验量子力学方法的计算误差.说明稠环芳烃系列分子的¹³C化学位移也存在加合性规律.利用本计算方法可较准确地鉴别和预示已合成的稠环芳烃分子的¹³C化学位移值.本文计算了55个稠环芳烃分子的674个非等性的¹³C化学位移.     

羰基化合物结构参数与其 13C NMR谱化学位移的关系

通过对62个羰基化合物中羰基^13C NMR谱化学位移与其部分结构参数关系研究,发现羰基^13C NMR谱化学位移与烷基极化效应指数(PEI)、部分电荷(qx)的关系可用下式表示：δ=a b∑PEI c∑qx 该式能比现有文献方法较好地表达羰基^13C NMR谱化学位移值随结构变化的规律,从而对解析^13C NMR谱及预测羰基^13C NMR谱的化学位移值提供了理论依据。     

有机碲化合物的~(125)Te NMR研究

本文测定了三个有机碲盐化合物以及一些碲醚类化合物的~(125)Te NMR谱。得到了这些化合物的~(125)Te化学位移值。主要讨论了影响~(125)Te化学位移的因素。通过实验,我们可以得出如下的结论:与Te相连取代基的电负性增强,~(125)Te化学位移值增大。化合物中,碲的成键性质不同,~(125)Te化学位移值也有所不同。碲盐类化合物的~(125)Te化学位移值受溶液浓度及溶剂性质的影响比较大,浓度加大,~(125)Te化学位移向高场移动,而且变化较明显。溶剂的极性增强,~(125)Te化学位移向低场移动。     

2D NMR方法研究抗癌药物冬凌草乙素的结构与谱线归属

用异核化学位移相关谱、远程异核化学位移相关谱和同核化学位移相关谱等现代核磁共振技术对抗癌中草药冬凌草中分离出的抗癌、抗菌有效成分冬凌草乙素分子的~(13)C和~1H化学位移进行了完全归属,为冬凌草乙素分子溶液中的三维空间结构研究提供了可靠的结构参数。     

镧系离子与α-氨基丙酸配合物的^1^3C NMR波谱及其的结构研究

本文以XL-200型超导核磁共振谱仪对镧系离子与α-氨基丙酸配合物体系进行了研究, 测得微酸性条件下配合物中各^1^3C核的诱导化学位移值, 以独立结构法将诱导位移进行分离得到配合物生成位移、接触位移及准接触位移。分析这些不同性质的位移贡献得出镧系离子在磁学性质上同样存在"四分组现象”及"钆断效应”。以准接触位移为依据, 对配合物的结构进行计算机模拟, 取得了一些有意义的结果。     

~(15)N-NMR化学位移的标定

至今~(15N)化学位移没有合适的内标.本文讨论了一级、二级外标对标定(15N)化学位移各种影响因素以及报道~(15N)化学位移的符号。体积磁化率对~(15N)化学位移的影响应予以重视,提出在缺乏体积磁化率数据时计算氮化学位移真值的公式。     

镧系离子与α-氨基丙酸配合物的^1^3C NMR波谱及其的结构研究

本文以XL-200型超导核磁共振谱仪对镧系离子与α-氨基丙酸配合物体系进行了研究, 测得微酸性条件下配合物中各^1^3C核的诱导化学位移值, 以独立结构法将诱导位移进行分离得到配合物生成位移、接触位移及准接触位移。分析这些不同性质的位移贡献得出镧系离子在磁学性质上同样存在"四分组现象”及"钆断效应”。以准接触位移为依据, 对配合物的结构进行计算机模拟, 取得了一些有意义的结果。     

Prediction of Chromatographic Retention of Pyrazine and Alkylpyrazines in RP-LC

Retention prediction models for a group of pyrazines chromatographed under reversed-phase mode were developed using multiple linear regression (MLR) and artificial neural networks (ANNs). Using MLR, the retention of the analytes were satisfactorily described by a two-predictor model based on the logarithm of the partition coefficient of the analytes (log P) and the percentage of the organic modifier in the mobile phase (ACN or MeOH). ANN prediction models were also derived using the predictors derived from MLR as inputs and log k as outputs. The best network architecture was found to be 2-2-1 for both ACN and MeOH data sets. The optimized ANNs showed better predictive properties than the MLR models especially for the ACN data set. In the case of the MeOH data set, the MLR and ANN models have comparable predictive performance.     

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。     

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.