共查询到18条相似文献,搜索用时 62 毫秒
1.
从分子二维拓扑结构出发, 借助用于描述原子所处分子微观化学环境的原子电性作用矢量(Atomic Elementary Electronegativity Interaction Vector, AEIV)对25种呋喃单糖中共计148个等价共振碳原子进行了表征,并以此建立起用于模拟单糖分子13C NMR化学位移的两参数多元线性回归方程, 所得模型的复相关系数Rcum、交叉检验QLOO及均方根误差RMS分别达到0.907、0.901和6.757,并采用对半划分样本集交叉验证的方法来测试模型的稳定性能和预测能力. 结果表明AEIV能够很好的模拟糖类物质13C化学位移值. 相似文献
2.
3.
利用原子电性作用矢量(AEIV)对Mannich碱中C=O与P=O进行结构参数化表征,并通过多元线性回归(MLR)分析,建立了红外光谱振动频率定量结构光谱相关(QSSR)模型,继以留一法(LOO)交互检验(CV)对模型稳定性进行检验.对C=O和P=O键伸缩振动频率的建模相关系数(Rcum)和交互检验相关系数(RLOO)分别为0.9777,0.9973(C=O);0.9433,0.9911(P=O).结果表明,AEIV与Mannich碱中C=O与P=O伸缩振动频率有很好的相关性. 相似文献
4.
应用一种反映分子局部微环境描述子--原子电性相互作用矢量(vector of atomic electronegative interaction,AEIV)和原子杂化状态指数(Atomic Hybridation State Index, AHSI)对饱和脂肪酮类化合物的55种分子中的153个13C NMR谱建模模拟,应用多元线性回归方法得到定量结构波谱关系(QSSR)模型的复相关系数RMM=0.997, 标准偏差为SDMM=7.155. 采用留一法交互检验的结果是RCV=0.993,SDCV=10.195. 并随机抽出三部分分子进行检验,得到的相关系数分别是RMM1=0.996,RMM2=0.996,RMM3=0.999. 研究结果表明使用AEIV和AHSI所建模型预测能力是相当稳定的. 相似文献
5.
基于定量结构-活性相关(QSAR)研究硝基苯类化合物的性质具有重要意义。采用分子电性作用失量(MEIV)表征硝基苯类有机毒物的分子结构,运用多元线性回归建立定量结构毒性相关(QSTR)模型,同时采用逐步回归结合统计检测筛选模型变量,建立了25个硝基苯类化合物对斜生栅藻(Scenedesmus obliquus)的急性毒性与其结构间的回归方程。另外采用内部及外部双重验证的办法深入分析和检验模型的稳定性。建模的复相关系数(Rcum2)、留一法(LOO)交互校验复相关系数(RCV2)和外部样本校验复相关系数(Qext2)分别为0.927、0.872和0.908。表明用MEIV表征硝基苯类有机物分子结构信息较好,所建QSTR模型的稳定性和预测能力良好。 相似文献
6.
基于定量结构-活性相关(QSAR)研究硝基苯类化合物的性质具有重要意义.采用分子电性作用失量(MEIV)表征硝基苯类有机毒物的分子结构,运用多元线性回归建立定量结构毒性相关(QSTR)模型,同时采用逐步回归结合统计检测筛选模型变量,建立了25个硝基苯类化合物对斜生栅藻(Scenedesmusobliquus)的急性毒性与其结构间的回归方程.另外采用内部及外部双重验证的办法深入分析和检验模型的稳定性.建模的复相关系数(R_(cum)~2)、留一法(LOO)交互校验复相关系数(R_(CV)~2)和外部样本校验复相关系数(Q_(ext)~2)分别为0.927、0.872和0.908.表明用MEIV表征硝基苯类有机物分子结构信息较好,所建QSTR模型的稳定性和预测能力良好. 相似文献
7.
本文利用原子电性距离矢量(Atomic Electro Negativity Distance Vector,AEDV)和原子杂化状态指数(Atomic Hybridization State Index,AHSI),对萜类化合物中碳原子进行结构表征,并与其核磁共振碳谱(13C NMR)建立了优良的定量构谱相关(QSSR)模型.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了深入分析和检验。其结果表明,AEDV,AHSI与13C NMR谱化学位移显著相关. 相似文献
8.
氨基酸原子电距矢量表达与核磁共振碳谱模拟 总被引:1,自引:1,他引:0
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. 相似文献
9.
无环醇原子电距矢量及核磁共振碳谱化学位移模拟 总被引:8,自引:10,他引:8
提出以原子电性距离矢量(VAED)描述无环醇化合物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(13C NMR)化学位移五参数线性模型.用于无环醇分子中4类等价碳原子化学位移的估计,复相关系数平方分别为R2=0.9753,0.9944,0.9974,0.9976;均方根误差分别为RMS=0.960,0.968,0.888,0.908ppm.经交互校验,模型稳定可靠,用于4个外部样本化学位移的定量预测,结果良好. 相似文献
10.
基于定量结构-活性相关(QSAR)研究取代芳烃类化合物的性质具有重要意义。采用分子电性作用失量(MEIV)表征取代芳烃类有机毒物的分子结构,运用多元线性回归建立定量结构毒性相关(QSTR)模型,同时采用逐步回归结合统计检测筛选模型变量,建立了25个取代芳烃类有机污染物结构与呆鲦鱼(Pimephales Promelas)96h半数致死浓度 回归方程。另外采用内部及外部双重验证的办法深入分析和检验模型的稳定性。建模的复相关系数(Rcum2)、留一法(LOO)交互校验复相关系数(RCV2)和外部样本校验复相关系数(Qext2)分别为0.926、0.870和0.875。表明用MEIV表征取代芳烃类有机物分子结构信息较好,所建QSTR模型的稳定性和预测能力良好。 相似文献
11.
采用表征分子内部化学微环境的结构描述子原子电负性作用矢量(Atomic Electronegativity Interaction Vector, AEIV)对255个共振碳原子进行了结构表征,应用多元线性回归技术建立了结构描述子AEIV与这些碳原子的13C NMR化学位移的定量相关模型.该定量结构谱图关系(定量构谱关系/QSSR)模型的复相关系数达到RMM=0.915,标准偏差为SDMM=14.879. 采用留一法交互检验的结果为RCV=0.909,SDCV=15.324. 结果表明,模型具有良好的估计力和稳定性. 相似文献
12.
通过对155个羰基化合物中羰基碳原子的13C NMR谱与其分子距离-边数矢量(MDE)、立体效应参数(γ 效应)关系的研究,发现羰基化合物羰基碳的13C NMR谱化学位移可表示为:
δC=a+bμ51+cμ52+dμ53+eμ54+fγ
此式不仅在一定程度上表明了羰基化合物13C NMR谱化学位移与其分子结构信息之间的关系,同时也提供了一种计算羰基化合物13C NMR化学位移的新方法,并对解析和预测其13C NMR谱提供了理论依据. 相似文献
δC=a+bμ51+cμ52+dμ53+eμ54+fγ
此式不仅在一定程度上表明了羰基化合物13C NMR谱化学位移与其分子结构信息之间的关系,同时也提供了一种计算羰基化合物13C NMR化学位移的新方法,并对解析和预测其13C NMR谱提供了理论依据. 相似文献
13.
14.
15.
16.
Fifty-three samples of multi-substituted benzylideneanilines XArCH=NArYs (abbreviated XBAYs) were synthesized and their NMR spectra were determined. An extensional study of substituent effects on the 1H NMR chemical shifts (δH(CH=N)) and 13C NMR chemical shifts (δC(CH=N)) of the CH=N bridging group from di-substituted to multi-substituted XBAYs was made based on a total of 182 samples of XBAYs, together with the NMR data of other 129 samples of di-substituted XBAYs quoted from literatures. The results show that the substituent specific cross-interaction effect parameter (Δ(Σσ)2)plays an important role in quantifying the δC(CH=N) values of XBAYs, but it is negligible for quantifying the δH(CH=N) values; the other substituent parameters also present different influences on the δC(CH=N) and δH(CH=N). On the whole, the contributions of X and Y to the δC(CH=N) of XBAYs are balanced, but the δH(CH=N) values of XBAYs mainly rely on the contributions of X. 相似文献
17.