基于分子表面静电势参数研究多环芳烃化合物的定量结构-性质关系

对一系列多环芳烃分子进行了HF/6-31G^*水平上的结构优化,在优化结构上进行了分子静电势及其导出参数的计算.运用多元线性回归方法对多环芳烃的沸点、色谱保留指数、水溶性、正辛醇/水分配系数、正辛醇/空气分配系数、土壤吸附性、亨利系数以及生物富集因子等理化性质与分子的结构参数进行了关联.结果表明:分子空间和表面最负的静电势(V_min和V_s,min)、分子表面正的静电势和负的静电势的求和(∑V_s⁺和∑V_s^-)、表面静电势的平衡参数(ν)加上分子的体积可以很好地用于表达多环芳烃分子理化性质与其分子结构间的定量关系.     

基于三维静电势参数研究C60溶解性的构效关系

在量子化学从头算基础上,对一系列溶剂化合物分子进行了结构优化和三维静电势参数计算,运用多元线性回归分析和神经网络方法对C60在121种不同溶剂的溶解性与计算的结构参数进行了构效关系研究.用建立起来的QSPR 关系式对15种不同结构类型溶剂进行了预测,并阐述了C60溶质与不同溶剂之间的相互作用,获得了满意的结果.     

结合三维静电势参数研究化合物溶解度与溶剂分子结构间的定量关系

对一系列溶剂分子进行了结构优化和静电势及其导出参数的计算,运用多元线 性回归方法对10种化合物萘、菲、蒽、联苯、苊、六氯苯、苯偶酰、噻吨-9-酮、 二苯砜和敌草隆的溶解性能与溶剂分子的结构参数进行了关联。结果表明：分子表 面最正和最负的静电势V_(s,max)和V_(s,min)、电荷分离度Π以及分子的静电相互 作用趋势量τ这四个三维静电势参数,加上分子的前线轨道能级ε_(HOMO)和ε_ (LUMO)能很好地用于表达这些化合物在不同纯溶剂中的溶解度与溶剂分子结构间的 定量关系。     

结合三维静电势参数研究二取代苯的定量结构－疏水性关系

对含有常见取代基的92个二取代苯化合物进行了结构优化和静电势及其导出参数的计算,运用多元线性回归方法对化合物的疏水常数与分子的结构参数进行了关联.结果表明,分子表面负静电势的加和ΣV－S、分子空间内最负的静电势Vmin、表面最大静电势Vs,max以及分子体积V、极性表面积APS和分子的偶极密度μ/V这六个参数,可以很好地用于表达这些化合物疏水性与分子结构间的定量关系,而不用具体考虑分子中极性基团间的相互作用.用建立起来的QSPR(quantitative structure-property relationship)关系式对111个类似化合物的疏水性进行了预测,获得了满意的结果.     

基于分子表面静电势参数分析溶剂的极性性质

用理论计算导出的分子表面静电势参数∏和б2tot对一系列溶剂的五种极性指标ETN、π*、Py、SPP和S'进行了相关分析,与Catalan的理论热力学分析结果进行了比较.结果显示:S'是一个适用性很好的溶剂极性参数,而质子性溶剂的ETN值、芳香化合物和多卤代化合物的π*值和SPP值则存在着一定的非极性因素.     

有机污染物在碳纳米管吸附的定量结构-性质关系

对一系列共59个芳香性分子进行了HF/6-31G^*水平上的结构优化,并在优化结构上进行了分子静电势及其导出参数的计算,应用多元线性回归方法建立了碳纳米管吸附有机污染物的平衡常数与分子结构间的定量关系. 结果表明,分子表面静电势参数（V_min、σ₊² 和ΣV_ind⁺）结合分子表面积（S）和最低空轨道能级（ε_LUMO）可以很好地用于构建碳纳米管吸附的定量结构-性质关系（QSPR）模型. 模型中引入的参数均具有明确的物理意义,其合理性可以从污染物与碳纳米管或水分子间相互作用的角度进行解释. 模型的稳定性和预测能力经“留一法”和Monte Carlo 交叉验证法进行了确证. 本文亦采用支持向量机（SVM）、最小二乘支持向量机（LSSVM）和高斯过程（GP）等三种方法建立了上述参数与碳纳米管吸附性质的非线性模型. SVM和LSSVM模型表现出强的拟合能力,但预测能力明显不如其他模型. GP模型无论是拟合能力还是预测能力都是最佳,但并没有明显地优于线性模型,说明对本文研究体系而言,其分子结构与性质间的关系主要以线性形式存在.     

定量分子结构与纯液体介质光致克尔常数关系

对一系列液体分子进行了理论计算，运用多元回归分析建立了分子结构与纯液体介质光致克尔常数之间的定量关系，从光与分子作用和分子与分子间相互作用的角度对光致克尔效应进行了探讨。结果表明，纯液体介质的光致克尔常数与分子的前线轨道能级（能隙）、偶极矩和空间内最负的静电势之间存在着良好的线性相关关系。     

有机污染物在碳纳米管吸附的定量结构-性质关系

对一系列共59个芳香性分子进行了HF/6-31G*水平上的结构优化,并在优化结构上进行了分子静电势及其导出参数的计算,应用多元线性回归方法建立了碳纳米管吸附有机污染物的平衡常数与分子结构间的定量关系.结果表明,分子表面静电势参数(Vmin、σ2+和ΣV+ind)结合分子表面积(S)和最低空轨道能级(εLUMO)可以很好地用于构建碳纳米管吸附的定量结构-性质关系(QSPR)模型.模型中引入的参数均具有明确的物理意义,其合理性可以从污染物与碳纳米管或水分子间相互作用的角度进行解释.模型的稳定性和预测能力经"留一法"和Monte Carlo交叉验证法进行了确证.本文亦采用支持向量机(SVM)、最小二乘支持向量机(LSSVM)和高斯过程(GP)等三种方法建立了上述参数与碳纳米管吸附性质的非线性模型.SVM和LSSVM模型表现出强的拟合能力,但预测能力明显不如其他模型.GP模型无论是拟合能力还是预测能力都是最佳,但并没有明显地优于线性模型,说明对本文研究体系而言,其分子结构与性质间的关系主要以线性形式存在.     

胰岛素单体、双体分子静电势的计算

计算了三方二锌胰岛素晶胞不对称单位中两个胰岛素分子单体及其双体的分子静电势。结果表明:胰岛素两个单体分子的构象不同,其分子表面静电势也不相同,由于它们的构象是类似的,所以其电势分布也是接近的,单体胰岛素分子的表面静电势呈偶极型分布,双体的表面静电势基本保持单体的特征。文中还比较了两个单体分子及其集聚后的静电势变化。     

Electrostatic complementarity between proteins and ligands. 2. Ligand moieties

Summary Drug design strategies consider factors governing intermolecular interactions to build up putative ligands. In many strategies, the ligand is constructed using fragments which are placed in the site sequentially. The optimization is then performed with each fragment. We would like to examine if this optimization strategy could generate ligands with optimal electrostatic interactions. The electrostatic complementarities between constituent moieties and the receptor site have been calculated. The whole-ligand complementarity does not appear to be the mathematical mean of the individual complementarities, nor have we found a simple relationship between the moiety and whole-ligand complementarities. The results demonstrate clearly that, using a simple model, it is very difficult to predict the electrostatic potential complementarity of the whole ligand from the complementarities of its constituent chemical moieties. This means that ligand design strategies must optimize the electrostatic complementarity globally, and not moiety by moiety.     

Electrostatic complementarity between proteins and ligands. 3. Structural basis

Summary Electrostatic potential complementarity between ligands and their receptor sites is evaluated by the superposition of the electrostatic potential, generated by the receptor, onto the ligand potential over the ligand van der Waals surface. We would like to examine which structural factors generate this pattern of superposition. Example studies suggest that in many ligand-protein pairs, there exist principal formal charges on each molecule, largely responsible for the electrostatic potential complementarity observed. Electrostatic potential complementarity depends on the relative disposition of these principal charges and the ligand van der Waals surface. Simple mathematical models were constructed to predict the complementarity solely from structural considerations. The essential conditions for electrostatic potential complementarity were elucidated. These can be used in ligand design strategies to obtain an electrostatically optimal ligand.