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.     

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...     

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。     

人工神经网络用于有机磷酸酯类化合物的定量结构色谱保留相关研究

采用误差反传前向人工神经网络(ANN),研究了35种有机磷酸酯类化合物在3种不同极性固定相上的结构与其色谱保留(QSRR)之间的定量关系。以其分子电性距离矢量(或分子拓扑指数)作为输入、色谱保留值作为输出,采用内外双重验证的办法分析和检验所得模型的稳定性和外推能力。结果表明,ANN模型获得了比多元线性回归(MLR)模型更好的拟合效果。使用MLR模型时QSRR模型相关性受色谱固定相极性的影响,而采用ANN模型无此现象。同时,ANN模型解决了QSRR中预测维数为1时耗时较长的问题。通过ANN建模可以同时预测3种不同极性固定相上的色谱保留值,可大大缩短建模和预测所需的时间。     

脂肪醇气相色谱保留指数与结构的相关性研究

在分子图的邻接矩阵基础上,构建了一个化合物均价连接性指数mL,mL=∑(Ai·Aj·Ak…)-0.5,其中一阶指数1L及定位基参数β与25种脂肪醇在6种固定相(SE-30,OV-3,OV-7,OV-11,OV-17和OV-25)上的气相色谱保留指数I显著相关,相关系数均大于0.98。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在不同固定相上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.     

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.     

多环芳香硫化合物的定量结构-气相色谱保留指数关系

应用分子电性距离矢量(MEDV)对114个多环芳香硫化合物(PASHs)进行结构表征,通过多元线性回归建立了PASHs的气相色谱保留指数与MEDV参数之间的定量结构-保留值关系模型;同时采用逐步回归分析进行变量筛选,继而以留一法交互检验对所得优化模型进行预测能力评价,所建立的模型的相关系数为0.9947,交互检验相关系数为0.9940,表明该优化模型具有良好的稳定性和预测能力。此外,通过将样本集按2:1分成校准集和测试集预测,统计分析结果显示所建的模型具有良好的相关性和稳定性。本文所建的定量结构-保留值关系(QSRR)模型为预测PASHs的气相色谱保留指数提供了一个便捷有效的新方法。     

电拓扑状态预测有机磷酸酯类化合物的气相色谱保留指数

以原子类型电拓扑状态指数(ETSI)有效表征35个有机磷酸酯类化合物(OP)的分子结构, 应用基于预测的变量选择与模型化(VSMP)方法建立OP化合物在3种不同固定相上的气相色谱保留指数(RI)与分子结构(ETSI)的定量相关模型. 结果表明, 影响不同固定相上OP色谱保留的主要结构因素都是由7个ETSI描述子对应的子结构碎片, 即: ＝CH₂,≡C—, aaC—, ＝O, —O—, Cl和Br. 其中子结构aaC—, ＝O和—O与OP化合物母体骨架密切相关, 而＝CH₂,≡C—, —Cl和—Br反映支链或取代基的变化. 通过多元线性回归法建立OP化合物在三个固定相上的定量结构-保留相关模型(QSRR)发现, 各QSAR模型的估计相关系数均在0.99以上, LOO检验相关系数在0.98以上, 表明模型具有良好估计能力与稳定性. 应用28个OP训练集样本构建的QSRR模型预测外部7个检验集RI结果表明训练集模型具有良好预测能力.     

分子电性距离矢量用于稠环芳烃液相色谱保留值的QSPR研究

采用分子电性距离矢量(Molecular Electronegativity Distance Vector,MEDV)表征稠环芳烃类化合物的分子结构.分别运用多元线性回归(Multiple Linear Regres-sion,MLR)和偏最小二乘回归(PLS)建立了稠环芳烃类化合物结构与其液相色谱(LC)保留值的定量结构一性质关系(QSPR)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能进行分析和验证,建模计算值、留一法交互检验预测值和外部样本预测值的复相关系数Rcum、RLOO、Qext分别为0.9970,0.9950,0.9925(MLR);0.9930,0.9790,0.9917(PLS).结果表明,MEDV能较好地表征该类分子结构信息,所建QSPR模型具有良好的稳定性和预测能力.为稠环芳烃类化合物分离、纯化、检测等方法的建立,提供有效的理论依据.     

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.     

Structural Characterization and Retention Time Prediction for Components of Essential Oil of Meconopsis Integrifolia Flowers

A molecular structural characterization (MSC) method called reduced molecular electronegativity-distance vector (MEDVR) was used to describe the molecular structures of 55 components of meconopsis integrifolia flowers. By use of stepwise multiple regression (SMR) and partial least square (PLS) methods, a model with the correlation coefficient (R1) of 0.987 and the standard deviation (SD1) of 1.377 could be obtained. Then through multiple linear regression (MLR), another model with the correlation coefficient (R2) of 0.989 and standard deviation (SD2) of 1.395 could be constructed. Furthermore, in virtue of variable screening by the stepwise multiple regression technique (SMR), 8 vectors were selected to build up another model with its correlation coefficient (R3) and standard deviation (SD3) of 0.989 and 1.366, respectively. Then all the three models were evaluated by performing cross-validation with the leave-one-out (LOO) procedure, and the correlation coefficients (QCV) were 0.981, 0.976 and 0.979, respectively. The results show that the models constructed could provide estimation stability and favorable predictive ability.     

应用分子电性距离矢量预测烷烃和一元醇的折光指数

应用分子电性距离矢量对81个烷烃、22个一元醇进行了结构表征,通过多元线性回归与逐步回归的方法建立了分子电性距离矢量与折光指数的定量结构性质模型,模型的相关系数分别为0.980和0.979.采用留一法对模型进行交互检验复相关系数R2cv分别为0.927和0.898.说明定量结构性质模型具有很好的稳定性和预测功能.     

分子电性距离矢量用于三嗪类化合物的构效关系研究

采用分子电性距离矢量(Molecular Electronegativity Distance Vector,MEDV)表征了三嗪类化合物的分子结构,并运用多元线性回归(Multiple Linear Regression,MLR)建立了该类化合物结构与其发光菌和大型蚤毒性的定量结构-毒性相关(Quanti-tative Structure-Toxicity Relationship,QSTR)模型,同时采用留一法交互检验对所建模型进行了分析和验证,建模计算值的相关系数R分别为0.970和0.952,留一法交互检验预测值的相关系数RLOO分别为0.917和0.921,并进一步阐述了结构与毒性之间的关系。结果表明,三嗪环上π电子离域程度减小有利于毒性增加,侧链N上取代基数目增加,化合物毒性减小。为进一步预测该类化合物的毒性,进行药物筛选提供了有效的理论依据。