定位基指数及连接性指数在酚类有机物QSRR研究中的应用

在分子图的邻接矩阵基础上提出了一个新的连接性指数x和定位基指数T，并计算了15个酚分子的x和T值，发现x和T不仅对这些化合物具有较好的结构选择性，而且与其气相色谱保留指数I具有较好的相关性。并以此建立了x、T和I的回归方程，利用此方程对另外27个酚分子的I值进行估算，所建模型预测结果和文献数据十分接近，预测能力优于文献。     

烷烃、醇、醚的定量结构与保留相关性(QSRR)研究

在邻接矩阵的基础上 ,建立一种新的连接性指数 mL =∑(δi·δj·δk·… ) 0 .5,其中 :0 L =∑(δi) 0 .5,1L =∑(δi·δj) 0 .5,并计算了 146个有机分子的0 L、1L值 .发现 mL不仅对这些化合物具有良好的结构选择性 ,而且与其气相色谱保留指数RI具有很好的相关性 .     

三唑类手性农药高效液相色谱分离的研究

采用正相高效液相色谱研究了三唑酮、烯唑醇、腈菌唑、粉唑醇、多效唑和双苯三唑醇6种三唑类手性农药在Chiralcel OD-H和Chiralcel OJ-H手性柱上的对映体分离,通过优化分离条件,实现了几种手性农药对映体的拆分,并探讨了流动相极性对分离的影响。在此基础上对比了2种纤维素手性固定相的手性拆分效果,探讨了相应的手性识别机理。     

遗传算法在烷基硝基苯酚类化合物的QSRR中的应用

       利用分子力学和量子化学方法计算出烷基硝基苯酚类化合物的分子结构描述参数,用遗传算法建立化合物在不同极性色谱柱上的QSRR模型。烷基硝基苯酚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。所建立的QSRR模型与多元线性回归方法建立的模型相比,预测此类化合物的色谱保留值时具有更好的稳定性和准确性。     

α-苯乙醇的高效液相色谱手性拆分研究

本文用实验室自制的纤维素三(3,5-二甲基苯基氨基)甲酸酯和纤维素三(4-甲基苯)甲酸酯涂敷于硅胶上,分别制成OD柱和OJ柱.在OD柱和OJ柱上对外消旋体α-苯乙醇进行了拆分,分别考察了流动相中异丙醇的含量对α-苯乙醇手性拆分的影响,还分别考察了流动相中1%(V/V)的正丙醇、异丙醇、正丁醇、叔丁醇对α-苯乙醇拆分的影响.我们选择了最佳的拆分方法,并将此方法应用于苯乙酮不对称催化还原产物的光学纯度的鉴定中,将苯乙酮在NaBH4为还原剂下,在自制的手性聚合物金属络合物PMA-QN-PdCl2催化剂作用下被还原,取得了满意的结果.     

烷氧基氯硅烷类化合物气相色谱保留指数与结构关系研究

在分子拓扑化学理论的基础上,根据分子中成键原子的结构特征和所处的化学环境,用分子中原子的平衡电负性对分子图进行着色,在距离矩阵的基础上结合分子中各原子的支化度构建一组新的拓扑指数NPm(m=1,2,3).利用多元线性回归技术建立了烷氧基氯硅烷类化合物的NPm(m=1,2,3)与这些化合物的气相色谱保留指数RI的定量结构/保留相关关系模型(QSRR),并用这种模型对烷氧基氯硅烷类化合物气相色谱保留指数进行预测,结果表明预测结果和实验值吻合较好.     

粮谷及油料中有机磷农药残留物GC保留值的QSRR研究

采用分子电性距离矢量(Molecular Electro-negativity Distance Vector,MEDV)对粮谷及油料中55种有机磷农药的结构进行表征,采用逐步回归对变量进行筛选,运用多元线性回归和偏最小二乘回归统计学软件建立有机磷农药的结构与其气相色谱(GC)保留值的定量结构-色谱保留关系(quantitative structure-retention relationship,QSRR)的数学模型,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.两种方法建模相关系数R、留一法交互检验RLOO、外部样本检验Qext分别为0.869 2,0.850 3,0.769 1(MLR);0.869 5,0.863 7,0.773 5(PLS).结果表明,MEDV能较好地表征该类分子的结构信息,所建QSRR模型具有良好的稳定性和预测能力.可望为有机磷农药残留物的分离、纯化、检测等方法的建立,提供有效的理论依据.     

改进的分子连接性和拓扑指数方法预测硫醚的气相色谱保留指数

在分子拓扑理论基础上，定义原子结构参数αi和βi，由αi建构连接性指数^mL，由βi建构拓扑指数B。研究硫醚在不同极性固定相上的气相色谱保留指数与结构的相关性，建立相应的定量模型，预测了硫醚在4种极性固定相上的气相色谱保留指数，各样本总体所建模型的相关系数均在0．97以上。对硫醚保留指数的计算结果表明，计算值与实验值较为吻合。该法还具有计算简单，物理意义明确等优点．     

酚类化合物色谱保留指数的估计与预测

用根据非氢原子类型分类、基于非氢原子相对电负性和非氢原子间距离等进行计算得到的分子电性距离矢量(MEDV)为描述子,对酚类化合物结构进行表征.用多元线性回归(MLR)方法,研究并建立了酚类化合物定量结构-色谱保留(QSRR)关系的10变量模型,其相关系数为0.9512;采用SPSS统计处理软件对变量进行逐步回归(SMR)筛选后,建立了8变量的QSRR模型,其相关系数为0.9508.上述模型对102种酚类化合物色谱保留的预测值与实验值能较好吻合,留一法交互检验的结果分别为Rcv=0.9269和Rcv=0.9377.结果表明所建模型具有良好的稳定性和预测能力.     

高效液相色谱手性拆分中的配体交换色谱手性固定相

综述了高效液相色谱配体交换色谱手性固定相的发展、制备及其在手性拆分中的应用,讨论了洗速、进样量、中心金属离子及其浓度、流动相pH值、柱温、有机改性剂等对对映体分离的影响,阐述了对手性识别机理的认识。     

二恶英异构体的定量结构色谱保留相关研究

以基团为基准，提出了表征环境有毒物二恶英分子结构的分子距边矢量．借助多元线性回归方法，分别建立了二恶英在不同极性色谱柱上的色谱保留指数或相对保留时间与其结构表征参数间的定量结构色谱保留关系（QS—RR）模型，模型的线性相关系数均在0．99以上．留一法交互校验表明：所建的QSRR模型有较强的预测能力．     

PCDDs气相色谱相对保留因子的QSRR研究

定义并计算了多氯代二苯并-对-二噁[口英]（PCDDs）原子的点价值δ1和定位基Ji,利用AM1算法和分子图形学技术获得了新的连接性指数^mL和定位基指数D,基于多元回归技术发展了对二噁[口英]气相色谱相对保留因子作出精确估算的定量结构-保留相关关系,得到了二元回归方程,其估算的平均误差为0．14．利用方程对另外30个二噁[口英]分子的气相色谱保留因子进行了预测,本指数能较好地反映化合物的结构特征．     

环境毒物分子结构参数化表达与色谱保留定量性相关研究

在烷烃分子距边矢量的基础上 ,提出一种以各种非氢原子为基准的分子距离边数矢量(VMDE ;μ矢量 ) ,表征了环境有毒物二的分子结构并借助多元线性回归方法分别建立了二在非极性与极性色谱柱上的色谱保留指数或相对保留时间与其结构表征参数 μ矢量间的定量结构保留关系(QSRR)模型 .在非极性与极性色谱柱 (DB - 5 ,SP - 2 10 0 ,SE - 5 4 ,OV - 170 1)上色谱相对保留时间的QSRR模型的线性相关系数均在 0 .93以上 ,高达 0 9985。为检验模型的稳定性和预测能力 ,还进行了留一法交互校验 (crossvalidationwithleave -one -outofprocedure) ,结果优良。     

因子分析法在氯代羟基苯甲醛定量结构-气相色谱保留值相关分析中的应用

通过因子分析法对25个氯代羟基苯甲醛的色谱保留行为与分子结构的关系作了探讨，并将化合物分成了主次两类。对两类化合物的保留值与辛醇－水分配系数及官能团位置指数分别进行了线性拟合，结果表明，它们的色谱保留值与其分子结构之间有着良好的线性关系。     

α-苯乙胺的间接高效液相色谱拆分研究

以酰氯A对消旋体α-苯乙胺进行柱前衍生化处理,以正己烷和异丙醇混合体系为流动相,在自制的手性柱(DNB-PG CSP)上对其进行了对映体分离研究,考察了流动相配比对分离因子的影响,研究发现正己烷与异丙醇的体积比为98∶2时,取得了理想的分离效果,分离因子α值达1.26.     

高效液相色谱手性固定相法拆分喹禾灵对映体

采用高效液相色谱法,在直链淀粉-三(3,5-二甲基苯基氨基甲酸酯)(Sino-Chiral AD)手性柱上,对喹禾灵外消旋体进行拆分,考察流动相正己烷中,不同的醇类添加剂、醇类添加剂浓度及温度对手性分离的影响,当流动相为V正己烷∶V乙醇(95∶5)、流速为0.5mL·min-1、25℃时喹禾灵在Sino-Chiral AD柱上获得完全分离,分离度Rs达2.17.     

分子电距矢量对酚类物质色谱保留值的分析

用MEDV描述子对102个酚的分子结构进行表征,对MEDV矢量和其气相色谱保留指数之间建立了分子结构-色谱保留值定量关系(QSRR).多元线性回归十参数模型的复相关系数达到了0.943 6,逐步回归九参数模型复相关系数为0.943 6,交互检验的R CV值为0.844 8,表明模型对样本具有一定的稳定性和预测能力.     

分子电距矢量对醇类气相色谱保留指数的预测

用MEDV描述子对55个醇的分子结构进行表征,对MEDV矢量和其气相色谱保留指数之间建立了定量结构-色谱保留值关系.借助多元线性回归、逐步回归和交互检验建立了分子电距矢量和55个化合物的气相色谱保留值之间的定量结构-色谱保留值相关模型(QSRR),线性回归十参数模型的复相关系数达到了0.995 0,逐步回归七参数模型复相关系数为0.989 6,交互检验的RCV值为0.970 0,表明模型对样本具有一定的稳定性和预测能力.