生物降解途径的理论预测与QSBR研究

本文把有机污染生生物降解途径理论预测的结果与ＱＳＢＲ模型中化合物选择相结合，所遵循相同理论生物降解途径作为化合物分组的原则，以分子连接性接数和ＥＨＯＭＯ作为结构参数与电性参数，采用逐步回归的方法建立了新的ＱＳＢＲ模型，新模型的预测民实验结果能较好地吻合。     

有机化合物动态定量结构—生物降解关系（QSBR）模型研究

本文通过分析影响有机物生物降解的基本因素，指出ＱＳＢＲ模型应综合反映影响有机物生物降解的四个方面：取代化合物的摄入、取代化合物的诱导作用，毒性物质的形成和基础酶的缺乏，在此基础之上给出了动态ＱＳＢＲ的概念模型及方法学基础，并利用其研究了氯代芳香化合物的生物降解性。     

松花江水中酚类化合物生物降解性的测定及QSBR研究

以松花江水中细菌为接种源,用碘量法分别测定了１８种酚类化合物的ＢＯＤ５值采用ＱＳＡＲ程序软件计算得分子量ＭＷ、分子体积ＭＶ、疏水性参数ｌｇＰ及电离常数ｐＫａ．用ＭＭＰ软件计算了四种分子连接性指数(２ｘ,４Ｘ,２ｘＶ及４ｘＶ)．对１８种及训练组中的１４种酚类化合物ＢＯＤＴ值分别与其结构参数进行了回归分析,得到如下最佳回归方程:应用所得ＱＳＢＲ模型,拟合了１８种化合物的ＢＯＤ５值,计算了残差,预测了实验组中４个化合物的ＢＯＤＴ值,并初步探讨了生物降解机理．     

合成有机物结构—生物降解性关系的研究

本文综述了合成有机物生物降解性的研究方法，以及定性结构－生物降解性关系（ＳＢＲ），重点综述了芳香类化合物的结构与生物降解性的关系，研究这一关系有助于有毒化学品生物降解性的预测。     

慢生型花生根瘤菌16S rRNA分析

以２１株分离自四川,云南不同花生产区的慢性型花生根瘤菌和６株参比菌株为材料,进行了１６ＳｒＤＮＡＰＣＲ－ＲＦＬＰ,结果除证实了慢性型花生根瘤菌同慢生型大豆根瘤菌（Ｂｒａｄｙｒｈｉｚｏｂｉｕｍｊａｐｏｎｉｃｕｍ）高度的遗传相似性外,还发现了一些菌株同Ｂｒａｄｙｒｈｉｚｏｉｂｉｕｍｌｉａｏｎｉｎｇｅｎｓｉｓ和Ｂｒａｄｙｒｈｉｚｏｂｉｕｍｅｌｋａｎｉｉ有较高的遗传相似性,菌株Ｓｐｒ１－２的１６ＳｒＲＮＡ     

运用QSARs方法比较和预测取代苯类化合物的毒性

本文运用ＱＳＡＲｓ方法比较了惰性化合物卤代苯和次惰性化合物硝基苯类,苯胺类化合物对金鱼的急性毒性试验,鱼肝脏内控制ＡＴＰ水解的Ｎａ＾＋、Ｋ＾＋－ＡＴＰ酶不知力试验以及发光菌毒性试验。     

电话机的寿命周期设计

电话机的寿命周期设计ＣａｒｌｏＶｅｚｚｏｌｉ,ＣＩＲ．ＩＳ－ＵＲ．ＰＳ,跨系研究中心,“为环境可持续性而革新”研究组,ＰｒｏｄｕｃｔａｎｄＳｅｒｖｉｃｅｓＤＩＴｅｃＤｅｐｔ．,ＰｏｌｙｔｅｃｈｎｉｃＵｎｉｖｅｒｓｉｔｙｏｆＭｉｌａｎ,ＶｉａＢｏｎａｒ...     

二级SBR法处理高浓度氨氮化工废水研究

用直接活性污泥法完成了各反应器的污泥驯化启动。二级ＳＢＲ工艺主要由硝化ＳＢＲ和反硝化ＳＢＲ反应器构成,其中硝化ＳＢＲ反应器采用悬浮生长法和固定生物膜法两种工艺作对比试验。结果表明,后者较前者具有更大的ＮＨ３－Ｎ容积负荷,最大可达７６６．５４ｍｇＬ＾－１ｄ＾－１;而且能节省碱的消耗量１１．０％～３８．７％和反硝化所需碳源量为３０％～４０％。在ｔＨＲ为２４ｈ的条件下,二级ＳＢＲ法能处理ρＩｎ（ＮＨ３－     

遗传算法对QSAR研究中变量选择的应用

将遗传算法引入定量结构活性关系（ＱＳＡＲ）研究中,对变量进行造反选择,可同时建立几种比较好的ＱＳＡＲ模型,并以交互验证的决定系数作为适应函数,以保证模型质量的可靠性。将其分别应用于氯代酚和单取代苯系列化合物,均得到较好的结果。同时,在这些应用中也反映了遗传算法在变量选择中存在的局限性,限不能保证选择的所有变量在模型中都有显著贡献。     

部分取代苯类在江水中的生物降解与结构相关性研究

测定了２７种取代苯类化合物在松花江江水中的生物降解性．采用量子化学ＭＯＰＡＣ６．０－ＡＭ１法计算了化合物的分子量(ＭＷ)、生成热(Ｈｆ)、分子总表面积(ＴＳＡ)及最高占有轨道能(ＥＨＯＭＯ),结合辛醇/水分配系数ｌｇｐ及酸解离常数ｐＫａ对其中２２种化合物的ＢＯＤ值进行多元线性回归分析,得到如下模型:ＢＯＤ＝１０５．７３－０．４３９ＭＷ－０．０７６Ｈｆ－６．６６０ｌｇＰｎ＝２２,Ｒ２＝０．８２１,ＳＥ＝８．２５０,Ｆ＝２７．５６,Ｐ＝０．０００应用所得模型对其余５个化合物的生物降解性进行了预测．只有一个化合物的相对预测误差大于２０%,为２０．８%．平均预测误差为１２．４%．     

偶氮染料定量结构-生物降解关系(QSBR)研究

利用量子化学原理剖析了偶氮染料的脱色机制,所得结果与文献中关于染料结构与脱色能力之间关系的结论基本一致,以脱色能力为染料生物降解能力的表征,建立了定量结构生物降解性模型,模型预测结果与实验结果基本吻合。     

基于基团贡献法的有机化合物好氧生物降解预测模型研究

从MITI-Ⅰ试验中筛选出587种不同类型有机化合物的可用数据,通过对这些物质的结构进行拆分,随机选择其中50种化合物作为验证集,另外537种作为训练集,利用多元线性回归(MLR)和支持向量机(SVM)2种计算方法分别建立模型。结果表明,芳香酸、醛、芳香碘和叔胺等功能基团对有机化合物的好氧生物降解性影响较大;MLR模型总体预测正确率为81.43%,验证集正确率为82%,SVM模型总体预测正确率为87.90%,验证集正确率为86%。所建立的2种定量结构与生物降解性关系(QSBR)模型有效,可用于化学品的好氧生物降解性评价。     

有机污染物生物降解途径的理论预测

本文报道了一个可用于有的生物降解途径理论预测的软件包，应用ＣＮ－ＤＯ／２方法计算分子的结构参数，经过解析结构参数给出有机污染理论上可能遵循的生物降解途径。     

β-环糊精对对硝基苯酚微生物降解的影响

通过对对硝基苯酚微生物降解过程的研究，探讨了在降解过程中加入环糊精对对硝基苯酚降解的影响。研究表明，对硝基苯酚不能单独被降解；葡萄糖能与对硝基苯酚产生共代谢作用；环糊精不能单独与对硝基苯酚产生共代谢作用。在葡萄糖存在的情况下，加入环糊精能影响对硝基苯酚的降解率，且影响的程度与对硝基苯酚的浓度和环糊精的浓度有关，在对硝基苯酚浓度较低时，加入环糊精会延缓对硝基苯酚的降解；当对硝基苯酚浓度较高时，加入环糊精会促进对硝基苯酚的降解。     

化学品厌氧生物降解QSBR预测模型研究

收集了155种有机化学品厌氧生物降解数据,以随机抽取的109种物质作为训练集,另外46种物质作为验证集,通过结构式拆分得到各基团,分别采用多元线性回归和BP人工神经网络2种算法对有机化合物结构与生物降解性定量关系(QSBR)进行研究。结果表明,多元线性回归模型验证集正确率为78.26%,总正确率为84.52%;BP人工神经网络模型验证集正确率为82.61%,总正确率为90.32%。可见,BP人工神经网络算法相对优于多元线性回归算法。     

合成有机化合物的生物降解性研究

合成有机化合物的生物降解性研究,为预测各类化合物在环境中的滞留与影响,为某些化合物的生产、实用及向环境中排放提供立法的依据,以及对开发更有效的生物处理技术均有重要意义。本文从合成有机化合物生物降解性研究的意义、研究方法、化合物化学组成和结构与生物降解性的关系等方面,介绍了国内外研究工作的进展情况,并对苯及烷基苯类、芳香酸及其脂类、酚类、含氯有机物和含氮芳香化合物的生物降解规律和降解途径进行了综述。