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。     

部分酯类化合物结构与毒性关系研究

该文在化合物二维结构基础上,对48个酯类化合物结构进行了表征,进而建立了化合物结构与水生毒性关系模型,模型的相关系数(R~2)分别为0.926 6和0.917 4,标准偏差(SD)分别为0.257 6和0.255 8。采用留一法交互检验评价了模型的稳定性,得到模型交互检验的相关系数(RCV~2)分别为0.885 6和0.799 2,标准偏差(SD_(CV))分别为0.255 8和0.294 5。运用外部样本检验了模型的预测能力,得到外部预测的相关系数(Rtest2)分别为0.991 0和0.952 3,标准偏差(SD_(test))分别为0.079 3和0.182 9。分子结构描述符能较好地表现化合物结构特征,所建模型拟合效果好、稳定性强、预测准确性高。对于环境中有毒化合物的结构-毒性关系研究具有较好的参考价值。     

DFT法用于部分取代芳烃急性毒性研究

为探寻取代芳烃类有机物结构与毒性的关系,采用DFT-B3LYP/6-311G全优化计算获得了部分取代芳烃的量子化学参数,结合化合物疏水参数(log P)建立了取代芳烃化合物结构-生物毒性关系(QSAR)模型。通过逐步回归得到的5变量模型复相关系数(R)为0.958,标准偏差(SD)为0.313。再用留一法(Leave-one-out,LOO)交互检验对模型进行了评价,得到的复相关系数(RCV)为0.918,标准偏差(SDCV)为0.433,结果表明所建模型具有较好的稳定性和预测能力。     

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.      

支持向量机用于芳烃类化合物对芳烃受体亲和性QSAR研究

尝试将支持向量机(SVM)应用于3种典型芳烃类环境毒物(PCDD,PCDF和PCB)定量构效关系研究,通过对芳烃受体亲和性考察,结果发现该组样本的生物活性在一定程度上与分子电性距离矢量具有非线性联系.SVM对内部和外部样本都具良好稳定性能和预测能力:所得模型拟合、交叉检验、外部预测复相关系数及均方根误差分别为R2cum=0.922、Q2cum=0.825、Q2ext=0.834和RMSext=0.531将其与文献报道及多元线性回归、偏最小二乘、人工神经网络进行比较,结果表明对小样本、非线性问题SVM具较强拓展性及泛化能力,故在环境毒物评价和控制中具有广阔应用前景.     

芳香族化合物在XAD-4上吸附机理的研究

通过批量吸附实验考查了7种芳香族化合物在XAD-4上的吸附热力学行为.结果表明,在实验条件下,Freundlich方程能很好地拟合这7种化合物在XAD-4上的等温吸附数据,且都为优惠吸附,吸附能力均随着温度的升高而降低.结合7种化合物的分子结构描述符和Freundlich方程的吸附平衡常数,建立了QSPR模型,较高的可决系数R2(0.991)、去一法交互检验可决系数R2CV(0.985)和外部预测集交互检验系数Q2ext(0.994)表明,该模型具有较高的稳定性能和预测能力.模型结果表明,水杨酸等7种芳香族化合物在XAD-4上的Freundlich吸附平衡常数与溶质疏水性能呈正比关系,与温度、溶质分子极性和溶质分子的氢键酸度常数呈反比关系.     

含氟取代苯类化合物lgKow和-lg1/EC50的QSPR研究

采用Gaussian98程序,在B3LYP／6-311G＊＊和HF／6-311G＊＊2种水平上全优化计算了24个含氟取代苯化合物的分子结构,基于得到的分子结构描述符,分别建立了用于预测含氟取代苯化合物正辛醇冰分配系数（lgKow）和毒性（-lg1/EC50）的模型,预测lgKow的模型包含3个变量（偶极矩（μ）,总能量（TE）和热能修正值（Eth））,预测-lg1/EC50的模型包含2个变量（分子中原子最负的电荷（q-）和零点振动能（ZPE））。用交叉验证法对模型的稳定性进行了验证（q分别为0.8480和0.9154）,并用t-检验和变异膨胀因子（VIF）对2个模型中各变量的显著性和自相关性进行了检验。预lg1/EC50的模型的预测能力优于溶剂化能参数得出的模型。     

用电性拓扑态预测苯砜基乙酸酯对发光菌的毒性效应

应用电性拓扑态(Electrotopological State, E-state)指数模拟分析了a-取代苯砜基乙酸酯类化合物对发光菌的毒性(15min-EC50, mmol/L),构建了一个4变量QSAR模型.模型的相关系数(R²a_dj)和标准偏差(SD)分别为0.944和0.062,模型具有较高的预测能力和可靠性.模型分析表明,砜基和酯基是该类化合物的活性中心;化合物的疏水能力以及化合物与受体分子间的偶极/极化作用和氢键效应对化合物毒性起着重要影响.     

松花江中取代苯酚和苯胺类的生物降解性及QSBR研究

以松花江水细菌为接种源，用碘量法分别测定了28种苯酚及苯胺类化合物的BOD5值，采用QSBR程序软件计算分子量Mw,分子体积Mv，及电离常数pKa,用ClogP程序计算了疏水性参数logP.对28种取代苯的BODT值与其物化参数间进行了回归分析，得到如下最佳回归方程，BODT＝87．5571＋5．958pKa-0.73W,n=28,R^2=0.874,SE=10.33,F=86.85,P=0.应用所得QSBR模型，预测了28种化合物的BODT值，计算了残差，并初步探讨了生物降解机理。     

几种酚衍生物对青海弧菌Q67毒性的3D-QSAR研究

测定了16种酚衍生物对青海弧菌(Q67)的半致死浓度EC50(mol·L-1),通过比较分子力场分析方法(CoMFA)和比较分子相似性指数分析方法(CoMSIA),对16种酚衍生物的毒性进行了三维定量结构-活性相关(3D-QSAR)研究,建立了CoMFA和CoMSIA模型.其中CoMFA模型交叉验证相关系数Q2=0.703,非交叉验证相关系数R2=0.983,F检验值F=178.635;CoMSIA模型交叉验证相关系数Q2=0.588,非交叉验证相关系数R2=0.946,F检验值F=52.074,所建立的模型均有较强的稳定性和良好的预测能力.通过分析比较CoMFA和CoMSIA的三维等势图,全面直观地了解了酚衍生物的结构对致毒性的影响.在酚类化合物毒性作用过程中,化合物的氢键供受体特性因素起主要作用,其次是取代基的电负性和疏水性特征.     

取代芳烃对藻类毒性与结构参数之间的定量关系研究

采用OECD标准方法测定了40种取代芳烃化合物对绿藻的48h急性毒性,毒性最强的是邻二硝基苯,其lg1 EC50为5 04;毒性最弱的是苯酚,其lg1 EC50仅为2 46。计算得到所研究化合物的分子最低空轨道能((ELUMO))、分子最高占有轨道能((EHOMO))、范德华面积((sVdW))及分子量(Mw)。对化合物毒性和结构参数进行了定量的结构与活性关系(QSARs)研究。所研究化合物对绿藻的毒性主要分子的轨道能和空间参数有关。方程(lg1 EC50=-1 029(EHOMO)+0 025(sVdW)-8 322,R2(adj)=0 824)有很好的预测能力,训练组的平均相对误差为6 10%,测试组的平均误差为6 99%。苯酚和苯胺类化合物属于极性麻醉剂,其毒性与空间参数或疏水性有关;硝基苯类是反应型化合物,可作为亲电子试剂,产生相应的潜在毒性更强的亚硝基化合物,其毒性一般与分子轨道能有关。      

酚取代微生物的QSAR研究

计算了带７种不同取代基的２９种酚取代衍生物的分子表面积。用分子表面积,ＯＨ基表面积,代基当量作为描述变量,对上述化合物的ＭｉｃｒｏｔｏｘＲ毒性进行了回归分析,得到有一定意义的回归方程,其相关系数为０．９０。如果氰取代酚作为局外化合物,则相关系数达０．９４。说明这些参数在预言毒性方面有重要意义。     

含氟取代苯类化合物lgK_(ow)和-lg1/EC_(50)的QSPR研究

采用Gaussian 98程序,在B3LYP/6-311G**和HF/6-311G**2种水平上全优化计算了24个含氟取代苯化合物的分子结构,基于得到的分子结构描述符,分别建立了用于预测含氟取代苯化合物正辛醇/水分配系数(lgKow)和毒性(-lg1/EC5)0的模型,预测lgKow的模型包含3个变量(偶极矩(μ),总能量(TE)和热能修正值(Et)h),预测-lgl/EC50的模型包含2个变量(分子中原子最负的电荷(q-)和零点振动能(ZPE))。用交叉验证法对模型的稳定性进行了验证(q分别为0.8480和0.9154),并用t-检验和变异膨胀因子(VIF)对2个模型中各变量的显著性和自相关性进行了检验。预测-lg1/EC50的模型的预测能力优于溶剂化能参数得出的模型。     

醇酚类化合物毒性的QSAR研究

化合物毒性与描述符通常呈现为非线性关系,量子化学计算的化合物分子描述符中包含诸多无关特征与冗余特征.最大相关最小冗余(m RMR)是应用较广泛的特征选择方法,但当前的m RMR对连续型因变量不适用,且存在相关性测度与冗余性测度不可比的缺陷.定量构效关系(QSAR)研究中因变量(毒性)与自变量(描述符)多为连续型变量,本文以非线性的距离相关系数(d Cor)取代线性的Pearson相关系数(R),在非线性条件下实现了相关性测度与冗余性测度可比,由此提出了新的特征选择方法 m RMR-d Cor.3个醇酚类化合物毒性QSAR数据集的分析表明,基于m RMR-d Cor选择特征的支持向量回归(SVR)模型独立预测Q2分别为0.954、0.941、0.981,明显优于参比模型与文献报道,m RMR-d Cor选择的多数保留分子描述符得到文献报道支持.m RMR-d Cor在化合物QSAR、定量构质关系等研究中有广泛应用前景.     

取代苯对人体细胞的定量结构—遗传毒性研究

通过微核实验,测定了 36 种取代苯类化合物对人体外周血淋巴细胞的遗传毒性;并构建了遗传毒性与分子结构参数之间的 QSAR 模型.结果表明,有 34 种化合物显著地导致了微核的产生,具有明显的遗传毒性;遗传毒性的大小与分子结构描述符辛醇-水分配系数(MlogP)、x 轴主惯性矩(Principalx)、γ 极化率[Polar(γ)]等存在良好的结构-活性相关关系,所建模型的相关系数 R² =0.718,具有较高的预测能力,可用来预测取代苯类化合物的遗传毒性.     

取代苯类化合物对斑马鱼急性毒性的QSAR研究

该文基于定量-构效关系(QSAR)原理,研究了26种取代苯类化合物与斑马鱼的48 h急性毒性(-lgLC50)之间的内在定量关系。利用AM1量子化学计算方法,首先计算了8种典型量子化学参数与斑马鱼48 h-lgLC50的相关性;然后通过逐步多元线性回归(MLR)方法建立了取代苯类化合物对斑马鱼48 h-lgLC50的QSAR模型,并对所建模型分别进行了内部验证和外部验证,所得复相关系数R2=0.942;最后利用QSAR模型,分析了取代苯类化合物量子化学参数对斑马鱼48 h-lgLC50的影响。结果表明:正辛醇—水分配系数(LogP)与-lgLC50的相关性最大,负电性[-(L+H)/2]与-lgLC50负相关。所得QSAR模型具有较高的稳定性及预测能力,可以用来预测取代苯类化合物对斑马鱼的急性毒性。     

利用复介电常数和BP人工神经网络进行浓度预测的研究

制备了一定含水率不同浓度的CuCl2的PVA样品,用微波矢量网络分析仪和微波传感器测量S11参数,计算得到相对复介电常数。以样品相对复介电常数的实部、虚部及对应频率作为输入,以CuCl2溶液的浓度作为输出,建立BP人工神经网络模型。用训练样本集对网络训练后,检验样本的预测结果与实际值最大误差为0.97%。结果表明,利用复介电常数和BP人工神经网络进行浓度预测是一种很好的方法,进而为环境监测提供了方法依据。     

应用不同结构参数预测取代苯甲醛类化合物的分配性质

测定了28种取代苯甲醛类化合物的正辛醇/水分配系数（Kow）和水溶解度（Sw）,采用量化参数和分子连接性指数来构建定量结构－性质相关（QSPR）模型．所得模型能较好地预测该类化合物的Kow和Sw．Kow和Sw平均估算误差分别为0.15和0.20个对数单位．模型的统计检验表明,模型中自变量不存在相关关系;残差呈正态分布．     

取代苯胺和苯酚类化合物对大型■(Daphnia magna Straus)的定量结构-活性关系研究

研究了３６个取代苯胺和苯酚类化合物对大型的急性毒性，应用正辛醇／水分配系数、线性溶解能关系参数和分子连接性指数得出了该类化合物的定量构效关系方程，这些方程可以用来进行该类化合物危害性初评．ＬＳＥＲ法得到的ＱＳＡＲ方程拟合效果较好，增大分子体积及偶极性极化性，均可增大毒性．化合物与蛋白质等生物大分子的氢键键合作用是导致该类化合物毒性高于其基本毒性的原因．     

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。