取代芳烃对呆鲦鱼急性毒性的QSAR研究

应用密度泛函方法(DFT)在B3LYP/6-311G**水平上全优化计算25个取代芳烃的量子化学参数,结合疏水性参数与化合物对呆鲦鱼的急性毒性进行定量构效关系研究(QSAR)。经逐步回归筛选变量后,所建多元线性回归方程的相关系数R及去一法交互检验复相关系数R2cv分别为0.967和0.907。用预测集样本进行了外部预测,所得外部预测样本复相关系数R2ext和外部预测集交互检验Q2ext分别为0.881和0.836。模型结果显示:分子疏水性参数logP较大时具有较大的脂溶性,化合物的毒性较大;取代基的吸电子能力越强,苯环的正电性越大,化合物的毒性越大。     

基于GLM模型和神经网络研究芳烃化合物对藻类毒性

工业的快速发展和溢油事故的频繁发生所产生的大量芳烃化合物正威胁海洋生态系统的健康,建立芳烃化合物物化性质与小球藻急性毒性间的非线性模型,是预测未知芳烃化合物对藻类毒性的主要手段之一.本研究以实验获取的25种芳烃化合物对小球藻96h的毒性数据为基础,采用密度泛函理论(DFT)中的B3LYP方法,在6-311G**基组上全优化计算25种芳烃化合物结构参数和热力学参数,通过逐步广义线性回归(GLM)、小波神经网络(WNN)和T-S模糊神经网络(T-SFNN)等方法,对芳烃化合物物化性质和藻类抑制毒性的非线性关系进行拟合和逼近.F检验表明,逐步GLM方程是显著的(p<0.001).配对t检验表明,GLM、WNN、T-SFNN3种模型都是可信的;决定系数(R2>0.96)表明3个模型具有很高的精确性.上述结果证明本文建立的模型具有良好的拟合度和解释能力,可以预测未知芳烃化合物对小球藻的急性毒性.模型误差计算结果表明,WNN的精度最高(mse=0.0076,mae=0.0533),采用WNN方法进行建模,预测未知芳烃化合物对小球藻的急性毒性是最合适的.     

MEDV描述子预测取代芳烃类化合物的藻毒性

以分子电性距离矢量(MEDV)描述子有效表征43个取代芳烃类化合物的分子结构,应用基于预测变量的选择与模型化(VMSP)方法,建立化合物的封闭体系绿藻(Pseudokirchneriella subcapitata)毒性(48 h EC₅₀)与其分子结构之间的定量相关(QSTR)模型. 应用多元线性回归方法建立的QSTR模型具有较高的相关系数(r0.891 1)及LOO(Leave-One-Out)检验相关系数(q0.810 2),表明该模型具有良好的估计能力与稳定性. 应用28个化合物的训练集样本构建QSTR模型预测外部检验集,结果表明,训练集模型也具有良好的预测能力.      

取代芳烃对呆鲦鱼急性毒性的QSAR石开究

应用密度泛函方法（DPT）在B3LYP／6-311G＊＊水平上全优化计算25个取代芳烃的量子化学参数,结合疏水性参数与化合物对呆鲦鱼的急性毒性进行定量构效关系研究（QSAR）。经逐步回归筛选变量后,所建多元线性回归方程的相关系数R及去-法交互检验复相关系数R^2cv分别为0．967和0．907。用预测集样本进行了外部预测,所得外部预测样本复相关系数R^2ext和外部预测集交互检验Q^2ext分别为0．881和0．836。模型结果显示：分子疏水性参数logP较大时具有较大的脂溶性,化合物的毒性较大;取代基的吸电子能力越强,苯环的正电性越大,化合物的毒性越大。     

支持向量机在太湖叶绿素a非线性反演中的应用

根据湖泊监测的特点,采用支持向量机(SVM)方法,反演太湖叶绿素a的浓度分布.将2005年8月太湖29个现场水质监测点数据分为训练测试样本集和验证样本集,利用训练测试样本集以及与其时间同步的MODIS遥感影像,分别构建了4种SVM模型.对比分析表明,直接以波段反射率以及水深信息构成输入向量的SVM模型预测效果最好.利用训练测试样本构建了线性回归模型、主成分分析模型(PCA)以及神经网络模型(ANN),并利用验证数据比较了上述3种模型与SVM模型的预测结果.结果表明ANN模型和SVM模型预测能力明显优于另外2种模型,其中SVM模型对低值和高值均有较好的预测精度,平均相对误差仅为15.91%,预测精度比ANN模型提高了10%.利用SVM模型和ANN模型分别反演了2005年8月15日太湖叶绿素a浓度分布,比较了2种模型反演结果的异同,分析了太湖叶绿素a分布特征及其成因.     

应用线性自由能关系估算药用活性化合物的生物碳质-水吸附系数

线性自由能关系(LFER)可以用来预测生物碳质对水中药用活性化合物(Ph ACs)的吸附系数,并确定不同分子间作用力对生物碳质吸附性能的相对贡献.利用商业水稻秸秆生物碳质(碳化温度400~500℃,200目)与14种带有不同表面官能团的Ph ACs(羧酸类、羟基类、氮杂环类)进行了吸附等温实验.各物质的等温吸附实验数据均可用Freundlich方程进行很好地拟合.通过建立的LFER模型,可以预测吸附质任一化学饱和水平(CW/SW)下的lg Kd,activity.利用复相关系数(R2=0.93)、回归系数标准偏差(SE=0.23)、F统计量(268)、去一法交叉验证系数(Q2LOO=0.90)以及外部样本交叉验证相关系数(Q2EXT=0.92)等方法对该模型进行验证,结果表明,其显著性与稳健性较好,具有预测能力.模型结果表明在低浓度范围内,空穴作用(V)与氢键碱作用(B)在整个吸附过程中起到主导作用,其中空穴作用为正贡献,氢键碱作用为负贡献.     

硝基芳烃为衍生物的定量结构-活性关系

对硝基芳烃类衍生物进行半经验分析轨道MNDO计算 ,求得全优化几何构型和电子结构。发现硝基氧原子的电荷平均值Q以及分子的LUMO能级值ELUMO与实验毒性呈线性相关 ,其多项式相关方程为 :-lgEC50 =9.1 0 7+1 9.54Q - 0 .996ELUMO,r=0 .949,F=1 0 .2 7(>F0 .0 0 1 )。无论从相关系数 ,还是从显著性检验看 ,-lgEC50 与Q和ELUMO之间存在非常显著的相关关系。并由此推测硝基芳数落向藻类细胞膜内的扩散过程及其随后与亲核基质相作用形成负离子自由基代谢产物的过程是其藻类致毒作用的控制步骤     

基于QSAR模型预测有机污染物在XAD与空气中的分配系数

基于定量构效关系(QSAR),运用线性(逐步多元回归MLR)和非线性(支持向量机SVM)两种计算方法开发了两种可靠且高效预测聚苯乙烯二乙烯基苯树脂(XAD)和空气之间分配系数(K_XAD-A)的模型.构建模型的数据包含醇类(Alcohols),苯类(Benzenes),多氯联苯(PCBs)和多环芳香烃(PAHs)等,共计70种有机污染物.两个模型的决定系数R²_adj和外部验证系数Q²_ext均在0.930以上,同时所有物质均在定义的应用域内,结果表明两种QSAR模型有较高的拟合度、稳健性和较为优秀的预测能力,且非线性(SVM)模型比线性(MLR)模型的拟合效果更好.     

应用分子全息QSAR技术预测硝基芳烃的遗传毒性

分子全息是一种新的分子结构表征技术，基于分子全息的结构．活性关系(HQSAR)技术具有高效、快速、预测能力高等优点，非常适合于分析大量数据样本．本文应用这一最新的QSAR技术，采用偏最小二乘回归技术，研究了54种硝基芳烃的致突变毒性，建立了QSAR定量预测模型．交叉验证和非交叉验证结果表明，模型具有良好的拟合效果和显著的预测能力，进一步的测试数据检验表明，模型具有高度的预测能力和很好的稳健性，可以用来对这一类典型的有毒有机污染物的毒性进行预测．     

有机碳含量对多环芳烃在土壤剖面残留及迁移的影响

为了揭示有机碳含量(TOC)对多环芳烃(PAHs)在土壤剖面中迁移的影响,本文分析了北京地区部分典型的环境功能区(包括自然保护区、耕地、果园、农田、城区及工业区等)土壤剖面中多环芳烃和TOC的纵向分布特征,结合多环芳烃化合物的土柱淋滤实验,讨论了多环芳烃在土壤剖面上的纵向迁移特征.结果表明,不同环境功能区土壤剖面的土壤中多环芳烃的含量存在差异,且与TOC之间存在较强的正相关关系;土柱淋滤实验结果进一步证实,尽管具有不同TOC的土壤剖面中多环芳烃均可能向深层迁移,但TOC对土壤剖面中多环芳烃的残留及纵向迁移能力具有重要的影响,TOC越高,多环芳烃富集量越大,向下迁移量相对减少,反之相反;在TOC相同的情况下,多环芳烃的组成或结构特征对其在土壤剖面中的残留与迁移特征有明显的影响,淋滤水量、淋滤时间和添加PAHs量等对其在土壤剖面中的迁移作用也有一定影响.     

基于遗传-支持向量机和遗传-径向基神经网络的有机物正辛醇-水分配系数QSPR研究

基于遗传算法(GA)的因子筛选和支持向量机(SVM)的非线性回归,提出了1种改进的有机物定量结构-性质相关(QSPR)建模方法--遗传-支持向量机(GA-SVM),并将其用于38种食品工业常用有机物正辛醇-水分配系数(Kow)的QSPR建模.结果显示,QSPR模型选取了分子量、Hansen极性、沸点、含氧率和含氢率5种参数;模型的预测值与实测值间的误差平方和(SSE)、均方差(RMSE)和决定系数(R2)分别为0.048、0,036和0.999,表明模型具有较强的预测能力;同时,交叉验证的结果(SSE=0.295,RMSE=0.089,R2=0.995)也表明,模型具有良好的稳健性,因此,GA-SVM算法适用于对有机物正辛醇-水分配系数的QSPR建模.此外,将基于GA-SVM的QSPR模型分别与基于遗传-径向基神经网络(GA-RBFNN)和基于线性算法的模型进行了比较,结果表明,应用GA-SVM建立的QSPR模型无论从稳健性还是预测能力上都优于应用其它2种算法建立的模型,因此,GA-SVM算法比GA-RBFNN和线性算法更适合于对有机物正辛醇-水分配系数进行QSPR建模.     

城市生态经济系统模型构建与分析

根据城市生态经济系统(UrbanEco-economicSystem,UEES)运行规律和系统调控的目标,建立了UEES指标体系.以宁波市为例,采用偏最小二乘算法构建了UEES模型.本例中,模型的Q2cum值为0·996,表明其具有较好的稳定性和预测能力.计算结果表明,到2007年、2012年和2020年,宁波市国内生产总值将分别达到2588×108元、3250×108元、5261×108元;万元国内生产总值能耗、城市化水平与产业结构是影响经济规模扩大的主要因素,万元工业产值废水排放量和SO2排放量与经济规模呈显著的负相关关系.在此基础上,提出了宁波生态市建设过程中经济发展的若干建议.     

羧酸及其衍生物急性毒性的QSAR研究

基于定量结构-活性相关性(QSAR)原理,研究了27种羧酸及其衍生化合物结构与其急性毒性LC50之间的内在定量关系。应用遗传算法从大量结构参数中优化筛选出与LC50最为密切相关的五个参数作为分子描述符,得出影响羧酸及其衍生物急性毒性的主要结构特征为分子的大小及其空间效应等。分别采用支持向量机(SVM)方法和多元线性回归(MLR)方法建立了相应的QSAR预测模型,并对所建模型分别进行了内部验证和外部验证。结果表明,两种模型均具有较高的稳定性、预测能力及泛化性能。其中,支持向量机模型对训练集和预测集样本的预测平均绝对误差分别为0.149和0.211,优于多元线性回归方法所得结果。     

基于PCA和M-SVMs的化学物质生态危害预测应用研究

为防止新化学物质投入市场时对生态环境造成危害,需对其生态危害程度进行评价。现有评价方法把各指标对生态危害的贡献看成是等效的,不能客观反映事实,且评价指标较多,指标之间具有较强的相关性,会降低预测精确度,为了解决该问题,文章将主成分分析和支持向量机相结合。首先运用主成分分析进行特征提取,降低数据维数,获取数据的主要信息;然后将二值分类支持向量机扩展到多类支持向量机,利用多类支持向量机建立化学物质生态危害预测模型,采用10折交叉验证法对模型进行检验,得到平均正确率达到89.24%。并与未进行主成分分析的支持向量机分类模型进行了比较,实验结果表明该方法具有更好的预测精度,值得推广。     

基于机器学习方法的太湖叶绿素a定量遥感研究

为了比较评价人工神经网络和支持向量机2种机器学习算法在水质遥感中的应用能力,本研究首先从基础理论和学习目的入手,对比分析了2种机器学习算法的理论体系;其次,以太湖为例,基于MODIS遥感影像,构建了反演太湖叶绿素a浓度的2种机器学习方法模型,通过对模型的验证、稳定性和鲁棒性分析以及全湖反演结果对比3个方面评价了2种模型的泛化能力.验证结果表明,支持向量机模型对验证样本预测结果的均方差根和平均相对误差分别为5.85和26.5%,而人工神经网络模型的预测结果均方差和平均相对误差则高达13.04和46.8%;稳定性和鲁棒性评价亦说明,以统计学习理论为基础的支持向量机模型具有更加良好的稳定性、鲁棒性,空间泛化能力优于人工神经网络模型;2种机器学习算法对太湖叶绿素a的浓度分布反演结果基本一致,但人工神经网络模型因其学习目标设定和网络构建中的“过学习”等缺陷,造成了对东太湖以及湖心区叶绿素a的反演结果与实际监测结果差异较大.     

30种离子液体对青海弧菌Q67的毒性效应

应用微板毒性分析法系统地考察了30种具有不同烷基链长度、阴离子基团和阳离子骨架(甲基咪唑、二甲基咪唑和吡啶)的“绿色溶剂”离子液体(ionic liquids,ILs)对一种新型淡水发光菌青海弧菌Q67 (Vibrio qinghaiensis sp. Q67)的毒性效应.非线性拟合结果表明,Logit或Weibull函数可有效地表征30种ILs的剂量-效应曲线,其相关系数R>0.98,均方根误差RMSE<0.053;30种ILs对Q67的毒性差异很大,pEC₅₀值在1.01～5.48之间;ILs对Q67的毒性具有烷基链效应,且烷基链上每增加2个碳原子,其pEC₅₀值增加近1倍;ILs的阴离子基团、阳离子骨架及ILs本身的吸光性不显著影响ILs对发光菌Q67的毒性.     

Novel quantitative structure activity relationship models for predicting hexadecane/air partition coefficients of organic compounds

Predicting the logarithm of hexadecane/air partition coefficient (L) for organic compounds is crucial for understanding the environmental behavior and fate of organic compounds and developing prediction models with polyparameter linear free energy relationships. Herein, two quantitative structure activity relationship (QSAR) models were developed with 1272 L values for the organic compounds by using multiple linear regression (MLR) and support vector machine (SVM) algorithms. On the basis of the OECD principles, the goodness of fit, robustness and predictive ability for the developed models were evaluated. The SVM model was first developed, and the predictive capability for the SVM model is slightly better than that for the MLR model. The applicability domain (AD) of these two models has been extended to include more kinds of emerging pollutants, i.e., oraganosilicon compounds. The developed QSAR models can be used for predicting L values of various organic compounds. The van der Waals interactions between the organic compound and the hexadecane have a significant effect on the L value of the compound. These in silico models developed in current study can provide an alternative to experimental method for high-throughput obtaining L values of organic compounds.     

定量预测多氯联苯的贝类净化

以量子化学参数为描述符,应用偏最小二乘法(PLS)对多氯联苯(PCBs)在淡水贝类Elliptio complanata体内的净化速率常数(k_d)进行了模拟分析,获得一个五参数定量结构-活性相关(QSAR)模型.模型的交叉验证相关系数(Q_cum2)和标准偏差(SD)分别为0.871和0.112,表明其具有较高的预测能力和可靠性. 模型中具有重要意义的参数包括平均分子极化率(α),分子量(M_w),核核斥能(CCR)和总能(TE). 这些参数表明,偶极-诱导偶极作用和色散力是影响贝类Elliptio complanata净化PCBs的主要因素.