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．     

有机污染物生物降解途径控制反应的预测与优势菌选择模型的建立

本文把有机污染物生物降解途径的理论测和量化剖析相结合确定生物降解途径中的控制反应，给出控制反ＱＳＢＲ的概念模式。在此基础上上建立了Ｐｓｅｕｄｏｍｏｎａｓｓｐ．典型生物降解途径以应的ＱＳＢＲ模型，利用建立的模型指导１，２－１，４－二氯苯和１，２，４－三氯苯生物处理优势菌的选择。     

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。     

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%．     

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。     

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。     

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。     

苯酚、苯胺及其衍生物对斜生栅列藻的急性毒性及QSAR研究

本文应用ＯＥＣＤ标准方法测定了１８种酚类胺类化合物对斜生栅列藻的４８ｈ－ＥＣ６０值，选择参数ＥＬＵＭＯ和ｌｇＫｏｗ进行了ＱＳＡＲ分析，得到下列回归方程：－１ｇＥＣ５０＝２．５４１－０．６４９ＥＬＵＭＯ＋０．２９９ＬｇＫｏｗ，ｎ＝１８，ｒ＝０．９０３，ＳＥ＝０．３１４应用所得方程计算了化合物的毒性，探讨了毒机理。     

拓扑指数在定量结构生物降解性关系中的应用

本文采用二氧化碳生成量实验，对训练组有机物，利用逐步回归分析程序，从计算和十四种分子连接性指数中筛选出与生物降解性最为相关的分子结构描述参数，建立定量结构－生物降解性关系模型，其相关系数为０．９３１，利用该模型对预测组质的预测结果表明，此模型对芳香化合物的好氧生物降解性具有良好的预测能力，其正确预测率达８３．３％。     

SO2和O3动态胁迫烟草致病的暴露试验

ＳＯ_２和Ｏ_３动态胁迫烟草致病的暴露试验陈锦云，兰志斌，苏珍山，曾军，王阳青（福建龙岩地区烟科所龙岩３６４０００）关键词Ｓ）_２和Ｏ_３；烟草；气候斑点病，动态胁迫暴露ＴＨＥＤＹＮＡＭＩＣＳＴＲＥＳＳＥＸＰＯＳＵＲＥＴＥＳＴＯＮＴＯＢＡＣＣＯＢＬＡＤＥ...     

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。     

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。     

酚类化合物结构与醇/水分配系数(logK_(ow))关系研究

将不同非氢原子自身及非氢原子之间的关系参数化并构建出新的结构描述符,对部分酚类化合物分子结构进行了参数化表达。采用逐步回归(SMR)与多元线性回归(MLR)相结合的方法建立了化合物结构与醇/水分配系数(log Kow)之间的关系模型,模型的建模相关系数(r)为0.988,标准偏差(SD)为0.121;"留一法"交互检验的相关系数(Q2)为0.966,标准偏差(SDCV)为0.148。结果表明结构描述符能较好地表征化合物分子结构特征,所建模型稳定性好,预测能力强,对于酚类化合物QSPR研究具有一定的参考价值。     

酚类化合物臭氧氧化速率的神经网络研究

酚类化合物(BP)是重要的工业原料或中间体,但工业废水含有的酚类化合物会对环境造成污染。为建立酚类化合物臭氧氧化速率的QSPR(quantitative structure-property relationship)预测模型,分析了23种酚的分子结构与臭氧氧化速率之间的相关关系,计算了这些酚的分子连接性指数和分子形状指数,优化筛选了连接性指数的1χ和2χ、分子形状指数的K1和K2共4种参数,将其作为BP神经网络的输入层变量,臭氧氧化速率作为输出层变量,采用4:2:1的网络结构,获得了令人满意的QSPR神经网络预测模型,模型总相关系数r为0.976,计算得到的臭氧氧化速率的预测值与实验值较为吻合,平均残差仅为0.05;为检验结构参数建立模型的普适性,同样方法建立对酚类化合物的辛醇-水分配系数的预测模型,模型总相关系数r达到0.993,辛醇-水分配系数的预测值与实验值吻合度较为理想,结果表明,本法建构的神经网络模型具有良好的稳健性和预测能力。