Investigation of carbon-13 nuclear magnetic resonance spectra-structure correlation based on novel atomic distance-edge (ADE) vector

A set of novel graph-theoretical parameters,called the atomic distance-edge (ADE) vector,was developed.Based on the connecting C-C bond number between central carbon atom and the other ones,various carbon atoms of alkanes were classified as four types,i.e.,type 1,2,3 and 4 for primary,secondary,ternary and quaternary carbon,respectively; and then four regression equations were obtained to link carbon-13 chemical shift (CS) of each type of atoms.Furthermore,these regression models were used to predict the carbon-13 nuclear magnetic resonance spectra of alkanes and it was found that the estimated CS were in agreement with the experimental results.     

QSAR Studies on the COX-2 Inhibition by 3,4-Diarylcycloxazolones Based on MEDV Descriptor

Selective inhibition of cyclooxygenase-2 (COX-2) might avoid the side effects of current available nonsteroidal antiinflammatory drugs while retaining their therapeutic efficacy. A novel variable selection and modeling method based on prediction is developed to construct the quantitative structure-activity relationships (QSAR) between the molecular electronegativity distance vector (MEDV) based on 13 atomic types and the biological activities of a set of selective cyclooxygenase-2 inhibitory molecules, 3,4-diarylcycloxazolones (DAA) plus indomethacin,naproxen, and celecoxib. Using multiple linear regression, a 5-variable linear model is developed with the calibrated correlation coefficient of 0.9271 and root mean square error of 0.17 in modeling stage and the validated correlation coefficient of 0.9030 and root mean square error of 0.20 in leave-one-out validation step, respectively. To further test the predictive ability of the model, 20 DAA compounds are picked up to construct a training set which is used to build a QSAR model and then the model is employed to predict the biological activities of the balance compounds. The predicted correlation coefficient and root mean square error are 0.9332 and 0.19, respectively.     

分子全息QSAR预测环境污染物的雌激素活性

某些天然和人工合成有机化学物质能够干扰人类和野生动物内分泌系统的正常功能(一般称为“内分泌干扰物质”, EDCs), 从而对人类和野生动物种群的生存和持续繁衍造成严重威胁. 鉴于人工合成化学品种类繁多、结构复杂, 发展基于结构的快速筛选方法, 对环境中污染物进行筛选和评价, 具有重要的实际意义. 应用一种新的分子结构表征方法——分子全息, 利用多变量统计方法——偏最小二乘分析(PLS), 以105种典型的环境雌激素类化合物为研究对象, 发展了完全基于分子结构的定量预测模型, 可以对环境中有机污染物的雌激素活性进行比较准确的预测和快速筛选.     

基于新型分子距边矢量ν与多元统计方法对于烷烃13C NMR化学位移和(CSS)估计与预测的深入研究

基于本实验室提出一种新型以势能形式表达的分子距边矢量, 深入地系统研究了核磁共振碳-13谱化学位移和(CSS)规律以及分子拓扑指数矢量在定量结构波谱关系(QSSR)中的应用. 借助多种计量化学方法包括多元线性回归、逐步多元回归、主成分回归、主筛选回归等进行分子拟模和定量相关研究, 发现烷烃¹³C NMR 化学位移和(CSS)与其分子距边矢量及路径长度指数有良好线性相关性, 回归方程及其统计参数为:CSS=bν+cp₃=∑_^mj=0b_jν_j+b₁₁p₃=b₀ν+b₁ν₁+b₂ν₂+b₃ν₃+b₄ν₄+b₅ν₅+b₆ν₆+b₇ν₇+b₈ν₈+b₉ν₉+b₁₀ν₁₀+b₁₁p₃=-13.576+22.179ν₁+28.407ν₂+25 .950ν₃+26.690ν₄+14.498ν₅+5.726ν₆-5.379ν₇-3.214ν₈-15.021ν₉ -25.710ν₁₀+12.278p₃ n=63, R=0.997, EV=99.68%, RMS=3.7348, SD=4.1 18, F= 773.116, U=144228.844, Q=864.938; CV: R²_CV=0.980, EV=98.83%, RMS=7.126 1, SD_CV=7.634, F_CV=221.720, U_CV=142121.891, Q_CV=2971 .896.结果良好.     

原子距边矢量、三键数与烷烃的13C NMR化学位移

提出一个新的原子描述符-原子距边矢量(μ)来表达碳原子在烷烃中所处环境信息,用该矢量和三键数作为参数与烷烃碳原子(含2~9个碳原子共63个烷烃分子,计326个不等价碳原子)的¹³C NMR化学位移相关联,得到的多元线性回归分析结果为:标准偏差S仅0.9629ppm,相关系数R为0.9957.用所得线性方程预测得精度为:误差在1.0,1.5和2.0ppm以内的分别占83%,90%和95%.     

气相色谱/离子阱串联质谱法检测大气中的多溴二苯醚

运用气相色谱-离子阱质谱(ion trap mass spectrometry,ITMS)建立了大气中8种多溴二苯醚的二级质谱(MS/MS)检测方法。优化后的MS/MS方法对7种三溴至七溴二苯醚(BDE28、-47、-99、-100、-153、-154、-183)和十溴二苯醚(BDE209)的仪器检出限分别为0.04~0.23 pg和9.38 pg;方法检出限为6.0~27.1 pg/m3和211.6 pg/m3;6点标准曲线相关系数(r)为0.9980~0.9999。方法对8种目标物的加标回收率为79.1%~101.0%,相对标准偏差(RSD)为4.3%~14.3%(n=6)。对6份南京实际大气样品的检测结果表明:离子阱质谱的选择反应监测(selected reaction monitoring,SRM)技术能有效的降低背景干扰。优化后的MS/MS方法对目标化合物有较高的灵敏度,可应用于大气中痕量多溴二苯醚的定量检测。     

氯氧化镁生成热的研究

用氧化镁氯化镁水溶液制备了8水合氯氧化镁[nMg(OH)2·MgCl2·8H2O], 并测定了其在盐酸中的溶解热, 实验结果表明, 氯氧化镁溶解热与n值呈线性关系, 根据溶解热求出5Mg(OH)2·MgCl2·8H2O和3Mg(OH)2·MgCl2·8H2O的生成热分别为-7727.1和5888.1kJ·mol^1^-。     

氨基酸原子电距矢量表达与核磁共振碳谱模拟

提出以原子电性距离矢量(VAED)描述20种天然氨基酸中不同等价碳原子的化学环境,结合γ效应校正与碳原子类型,建立核磁共振碳谱(¹³CNMR)化学位移(CS)的五参数线性模型.用于氨基酸分子中4类不同的等价碳原子化学位移的估计,复相关系数分别为R=0.9864,0.9513,0.9463,0.9567;均方根误差分别为RMS=0.5544,2.5232,11.3096,4.9098ppm经交互校验,模型稳定性较好.并综合几种处理方法,找到一种较好的建模方法,将它用于4个外部样本化学位移的定量预测,结果良好.     

浓度加和模型在化学混合物毒性评估中的应用

化学污染物总是以混合物形式存在于实际环境体系中. 化学混合物的毒性评估与预测是环境化学领域当前的研究热点与难题. 要评估与预测一个化学混合物的毒性效应, 首先要证明其是否具有加和性. 目前有3个加和参考模型即浓度加和模型(CA)、独立作用模型(IA)与效应相加模型(ES)用于化学混合物毒性的加和性检验. 如果混合物效应明显偏离加和参考模型预测效应, 则认为该混合物产生毒性相互作用, 即协同或拮抗. 选择不同的加和参考模型可能得出不同的相互作用结论. ES模型最早广泛应用, 但不能解释由同一化合物构成的所谓虚拟组合现象, 应用已开始受到限制. IA模型被认为适用于具有相异作用模式的化学物构成的混合物, 而CA模型适用于相似作用模式化学物构成的混合物并能合理解释ES模型不能解释的虚拟组合现象, 常常认为是化学混合物毒性预测的标准模型. 然而, 由于CA模型目前没有坚实的理论支持, 也不能直接联系混合物毒性作用机理, 同时在浓度-效应曲线的部分区域存在不能预测的所谓“预测盲区”, 因此, CA模型也只是一个工作模型, 需谨慎使用.