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。     

烷基苯类化合物气相色谱保留指数与分子结构的相关性研究

利用分子力学和量子化学方法计算出烷基苯类化合物的分子结构描述参数,用逐步回归法建立烷基苯类化合物在不同极性色谱柱上的QSRR模型。烷基苯类化合物在不同极性色谱柱上的气相色谱保留指数与其分子结构描述参数之间具有较好的线性关系。建立了在不同极性色谱柱上的烷基苯类化合物的色谱保留QSRR模型,并预测烷基苯类化合物的色谱保留值,结果具有较好的稳定性和准确性。     

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.     

基于分子相互作用力场分析的多氯代二苯并二噁英定量结构-色谱保留关系

提出了基于分子相互作用力场(MIF)、应用偏最小二乘(PLS)与多区组偏最小二乘(MBPLS)分析相结合,建立并检验多氯代二苯并二噁英(PCDD)定量结构-色谱保留关系(QSRR)模型的研究方法。分别以表征van der Waals、氢键和疏水效应的C3、H和DRY探针,计算75种PCDD的分子相互作用力场,并与其气相色谱Kov偄ts保留指数进行PLS与MBPLS分析,建立了拟合与预测效果良好的QSRR模型。其中MBPLS模型相关系数r2为0.998;交叉验证的相关系数q2为0.994。采用投影变量重要性方法判断了各种效应在PCDD色谱保留中的贡献。结果表明:van der Waals作用的影响最大,其次为疏水效应,而氢键效应影响较小。     

烃类化合物在不同色谱柱上的定量结构-保留相关性研究

运用量子化学中的AMI方法计算烃类化合物的分子结构描述参数,借助逐步回归法建立了烃类化合物在不同极性色谱柱上的QSRR模型。结果表明：烷烃、烯烃、二烯烃类化合物在不同极性的色谱柱上的色谱保留与其分子结构描述参数之间具有较好的线性关系,烃类化合物在不同极性固定相上的保留主要与溶质分子的MR有关,即与溶质分子的色散力有关。随着溶质分子的不饱和度的增加,或固定相极性的增强,溶质分子与固定相之间的电荷传递作用随之增强。而且,烃类化合物在不同极性固定相上的色谱保留的QSRR模型均可用量化参数HOMO、LUMO、EICE以及MR参数来描述。所建立的在不同极性色谱柱上的烃类化合物的色谱保留QSRR模型预测烃类化合物的色谱保留值时具有较好的稳定性和准确性。     

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.     

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。     

高效液相色谱法构建定量结构-保留关系预测中药肝肾毒性组分的正辛醇-水分配系数值

构建了定量结构-保留关系(QSRR)测定马兜铃酸A、马兜铃酸B、马兜铃内酰胺及白黎芦醇的正辛醇-水分配系数(K_(ow))。采用反相高效液相色谱(RP-HPLC)法,以甲醇-水为流动相,以16种已知K_(ow)值的酸性和中性苯系物为模型化合物,以保留时间两点校正法(DP-RTC)校正保留时间,并由Snyder-Soczewinski方程得100%水相保留因子k_w,建立了表观正辛醇-水分配系数K_(ow)″与k_w的定量关系(QSRR模型),并对模型进行了内、外部验证。结果显示,不同pH下的QSRR模型线性相关性良好(相关系数R~2为0.980~0.987),内部验证(交叉验证相关系数R_(cv)~2为0.982~0.988)和外部验证结果(6种验证化合物的相对误差RE为0.6%~10.9%)令人满意。将建立的QSRR模型应用于中药中4种潜在肝肾毒性化合物的K_(ow)测定,并与软件计算值、摇瓶法(SFM)实验值比较,结果显示该方法准确性更高,且简单快捷。该文提出的采用中性及酸性苯系物建立QSRR模型,通过对结构与性质相似的中药材组分进行RP-HPLC分析,得到各待测组分的保留时间即可获得其K_(ow)值的简便策略,解决了中药组分复杂且难以分离、无法通过SFM测定其K_(ow)值的问题,为通过定量-构效关系(QSAR)模型实现快速预测中药组分的肝肾毒性提供了可靠的K_(ow)数据。     

基于全二维气相色谱-四极杆飞行时间质谱高通量检测独活挥发油化学成分

利用全二维气相色谱-四极杆飞行时间质谱(GC×GC-QTOF MS)建立了一种适用于独活挥发油化学成分的高通量检测方法,样品经水蒸气蒸馏提取后,直接采用全二维气相色谱进行分离,并根据谱库匹配、保留指数及精确质量数进行定性确认.结果表明,共分离鉴定了独活挥发油中207种化学成分,其中正向、反向匹配因子大于800的化合物占...     

基于神经网络的黑莓果酒香气成分的定量结构色谱保留相关研究

采用人工神经网络(ANN)建立了36种黑莓果酒香气成分的结构与色谱保留时间之间的定量关系(QSRR)模型。以36种黑莓果酒香气成分的分子连结性指数和电拓扑指数作为输入、保留时间作为输出,采用内外双重验证的办法分析和检验所得模型的稳定性,所构建网络模型的相关系数为0.9993、交叉检验相关系数为0.9949、标准偏差为0.1100、残差绝对值小于0.47,应用于外部预测集,外部预测集相关系数为0.9833。为了便于比较,也采用多元线性回归(MLR)法建立了QSRR模型,模型的相关系数为0.9904、交叉检验相关系数为0.9905、标准偏差为1.4896、残差绝对值小于4.32,外部预测集相关系数为0.8973。结果表明,ANN模型获得了比MLR模型更好的拟合效果。     

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.     

分子相似性方法用于药物反相色谱定量结构色谱保留关系的研究

 应用分子相似性方法研究药物的反相色谱定量结构 色谱保留关系 (QSRR)。在全面考察药物的分子结构参数的基础上 ,采用分子相似性计算方法 ,将化合物结构信息变量转换为相似系数变量 ,并结合人工神经网络技术 ,对 16 2种药物进行反相色谱定量结构与色谱保留关系的研究。成功地应用分子相似性方法实现了对容量因子这一色谱保留参数的预测 ,建立了物理意义明确、预测能力较强的分子结构参数与反相色谱流动相溶剂强度和容量因子之间的定量关系模型 ,实验验证的结果也比较理想。     

超临界CO2流体萃取辛夷精油的组分分析

采用超临界CO2流体萃取辛夷精油,萃取率为3．8％,比水蒸气蒸馏的萃取率高58％。利用气相色谱-质谱联用(GC-MC)法对辛夷精油进行组分的定性和定量分析,并与水蒸气蒸馏法所得辛夷精油的组分相比较,发现超临界CO2流体萃取所得辛夷精油的香气、品质、产率优于水蒸气蒸馏法所得辛夷精油。     

酸枣果肉中挥发性化学成分分析

报道了用蒸馏-萃取法提取酸枣果肉中挥发性物质,测得酸枣果肉挥发油的含量为1．80％,用GC／MS法从酸枣果肉挥发油中分离并确定出43种化学成分。用峰面积归一化法通过化学工作站数据处理系统,得出各化学成分在挥发油中的相对百分含量。其中主要成分为酸类化合物占挥发油总量的52．26％,酚类化合物为9．34％,酯类化合物为23．05％,醛类化合物为2．77％,醚类化合物为2．66％,烷烃化合物为1．89％,其它类化合物仅占3．77％。共占酸枣果肉中挥发油总量的95．62％。     

GC-MS分析大蒜中的挥发油和大蒜精油

采用气相色谱—质谱法,分析比较大蒜中的挥发油以及大蒜精油的化学成分,通过非负矩阵因子分解(NMF)方法解析色谱重叠峰,并用峰面积百分比法计算各化学成分的峰面积相对百分含量。确定了大蒜中37种化学成分,其中含硫化合物34种,大蒜精油中的32种化学成分,含硫化合物28种。