酚类化合物对硝化颗粒污泥活性抑制的定量结构-活性相关研究

测定了酚类化合物对硝化颗粒污泥活性抑制的logIC50值,以量子化学参数为自变量,应用偏最小二乘法（PLS）,建立了酚类化合物对硝化颗粒污泥活性抑制的定量结构-活性相关（QSAR）模型。模型所提取的PLS主成分所能解释的因变量总方差的比例Qc2um为0.820,表明模型具有较好的稳定性和预测能力。模型的结果表明,影响酚类化合物对硝化颗粒污泥活性抑制的主要因素是logkow、CCR和Ehomo,酚类化合物对硝化颗粒污泥活性抑制的logIC50随着分子logkow的增大而减小,随着Ehomo和CCR的增大而增大。     

1,3-丁二烯与DNA交联致癌机理的研究——代谢产物与鸟嘌呤反应及与DNA交联作用的AM1计算

采用AMI方法计算了环境致癌物1.2-环氧3,4-丁烯(EB)和1,2,3,4二环氧丁烷(DEB)与DNA鸟嘌呤反应过程速率控制步骤的活化能及DEB与DNA片段生成烷化交联产物的结构和能量、结果得出:用烷化反应的难易程度难以解释DEB的致突性比EB大100倍的实验事实;强致突的DEB可与鸟嘌吟发生两次烷化反应,生成DNA交联产物,交联后的DNA结构稳定、变形小:而EB则不能交联.这可能为两者基因毒性差异巨大的分子机制.     

量子点对Cu2+诱导L02细胞毒性的影响及机理研究

量子点(QDs)和Cu~(2+)可能共存于肝脏,对肝细胞产生联合毒性,威胁人体健康。本研究以人胚肝细胞(L02)为研究对象,考察了低/无毒的QDs(3.6%的细胞致死率)对Cu~(2+)诱导L02细胞毒性的影响及相关机理,为其可能的健康和环境风险提供参考。结果显示,QDs的加入使得Cu~(2+)的细胞毒性有了很大的提高,细胞存活率最高下降了26.0%,两者表现为协同作用;另外QDs存在使得Cu~(2+)细胞蓄积量增大,伴随着Cu~(2+)天然解毒蛋白CTR1和ATP7A等表达水平的升高,从侧面印证了Cu~(2+)的蓄积量增加对细胞的影响;同时,QDs的存在使得细胞乳酸脱氢酶(lactate dehyfrogenase,LDH)泄露相对于Cu~(2+)单独处理组提高,暗示QDs可能破坏了细胞膜,导致Cu~(2+)在细胞内蓄积量增加,从而使细胞毒性增加,两者的联合毒性表现为协同作用。     

水中无机氮形态变化对酮洛芬光降解的影响

研究了模拟太阳光照射下水环境中不同形态氮(NO₃^-、NO₂^-和NH₄⁺)对酮洛芬(KET)光解的影响.结果表明,KET在平均波长(200~450nm)下量子产率Φ_o为0.14. NO₃^-浓度从0.01mmol/L^-增至1.0mmol/L时, KET光解速率常数从0.0109降至0.0085; NO₂^-浓度从0.01mmol/L增至1.0mmol/L时, KET光解速率常数从0.0095降至0.0069, NH₄⁺对KET的光解基本无影响. NO₃^-的光掩蔽现象对KET光解的影响起主要作用; NO₂^-则通过光掩蔽现象和羟基自由基猝灭来抑制KET的光解.同时研究了当水环境中pE值发生变化而引起水中无机氮形态转化时,不同形态氮共存对KET光解的复合影响,随着pE值的增大,KET的光解速率先减小后增大;当NO₂^-和NH₄⁺共存时,两者对KET光解的影响存在拮抗作用,这一拮抗作用也存在于NO₂^-和NO₃^-之间.     

碲化镉量子点对小鼠肝脏超微结构及重要生物酶活性的影响

探讨了碲化镉量子点(cadmium telluride quantum dots,CdTeQDs)对小鼠肝组织超微结构及琥珀酸脱氢酶(succinate dehydrogenase,SDH)和三磷酸腺苷酶(adenosine triphosphatase,ATPase)活性的影响。将20只雄性ICR小鼠随机分成QDs染毒组和对照组,采用尾静脉注射方式进行一次性染毒,染毒组每只小鼠注射2μmol·kg-1体重的CdTeQDs(以Cd~(2+)的摩尔浓度计算)。每5只为一组分别在染毒后的1 d、3 d和7 d处死小鼠,另外5只注射生理盐水作为对照组。取部分肝组织在透射电镜下观察其超微结构变化并使用试剂盒测定肝脏中SDH、Na~+/K~+-ATP酶、Ca~(~(2+))/Mg~(2+)-ATP酶的活性。结果显示CdTeQDs暴露后染毒组小鼠肝细胞胞浆疏松,线粒体出现肿胀、空泡、嵴减少等结构变化,表明肝细胞受到损伤且染毒1 d后损伤最严重;肝脏中染毒组SDH活性与对照组相比显著降低(P0.05);染毒1 d后,Na~+/K~+-ATP酶和Ca~(2+)/Mg~(2+)-ATP酶活性与对照组相比显著升高,随着染毒后时间的延长,其活性呈现下降的变化趋势。单次量注射CdTeQDs能够引起小鼠肝脏损伤,抑制SDH活性,引起ATP酶活性改变,这些症状在暴露时间内呈现恢复趋势。     

应用遗传算法建立云杉针叶表面PCDD/Fs光解半衰期的预测模型

采用量子化学PM3算法计算PCDD/Fs的量子化学参数,应用遗传算法(Genetic Algorithm, GA)对所建模型中的变量进行筛选,建立了能预测吸附到云杉[Picea abies (L.) Karst.]针叶表面的PCDD/Fs光解半衰期(t_1/2)的定量结构-性质关系(QSPR)模型,认为影响PCDD/Fs光解速率的主要因素是分子最高占据轨道能(E_HOMO)、前线分子轨道能量差(E_LUMO-E_HOMO)和平均极化率(α).随着EHOMO和α的增大;其lg t_1/2值增大,PCDD/Fs的lg t_1/2值与其(E_LUMO-E_HOMO)值呈抛物线关系,当E_LUMO-E_HOMO＝7.847时,lg t_1/2有最小值;当E_LUMO-E_HOMO≤7.847时,lg t_1/2值随着E_LUMO-E_HOMO的增大而减小;当E_LUMO-E_HOMO≥7.847时,lg t_1/2值随着E_LUMO-E_HOMO的增大而增大.     

Fe/TiO2/ACF三元复合光催化材料联合脉冲放电降解甲基橙

采用溶胶-凝胶法制备了Fe/TiO₂/ACF三元复合光催化材料,将其投入到脉冲放电水处理反应器中降解甲基橙,考察该材料的光催化性能,以及它与脉冲放电的联合降解过程中操作因素的影响. 结果表明,Fe/TiO₂/ACF三元复合光催化材料与脉冲放电产生协同作用,大大提高了对甲基橙的去除率. 甲基橙的去除率与掺铁量〔以摩尔分数计〕、煅烧温度、溶液电导率和pH有关. 当掺铁量为0.07%,煅烧温度为900 ℃时,降解效果最佳;当溶液pH为6,电导率为300 μS/cm时,对Fe/TiO₂/ACF与脉冲放电的联合降解效果有利.      

Equilibrium,kinetic, and quantum chemical studies on the adsorption of Congo red using Imperata cylindrica leaf powder activated carbon

Leaf powder of spear grass, otherwise known as Imperata cylindrica (IC), was used to prepare activated carbon. The Imperata cylindrica activated carbon (ICAC) prepared was used for the removal of Congo red (CR) dye from aqueous solution. Operation parameters such as initial dye concentration, contact time, adsorbent dosage, pH, and temperature were studied in batch systems. Equilibrium was attained in 150 and 180?min at lowest and highest concentrations, respectively. Maximum adsorption was observed at pH 3. Quantum chemical studies suggested that the protonation of aniline groups and minimal molecular size at planar geometry coupled with electrostatic interaction enhances the adsorption at low pH. Adsorption data were tested using pseudo-first-order and second-order reaction kinetics; the latter was found to be more suitable with a coefficient of determination of ≥0.99. The adsorption process fits Langmuir isotherm model better than the Freundlich model, with a maximum monolayer coverage of 313?mgg^?1. This study shows that ICAC is effective in removing CR dye from aqueous solutions.     

量子粒子群优化算法在结构参数识别中的应用

系统识别问题可以转化成一高维多模优化问题。针对基本粒子群优化在分析此类问题时容易出现早熟收敛从而导致局部优化和较大误差的缺陷,提出将量子粒子群优化算法(QPSO)应用于结构参数识别。QPSO具有参数少、编程简单、易实现、收敛速度快、可以避免早熟收敛、能够迅速在全局找到最优解的特点。本文在测量数据不完备且含噪声污染,参数质量、刚度和阻尼等信息缺乏的情况下,通过数值模拟以及在真实结构参数识别中的应用,验证了QPSO的有效性。     

基于QPSO-RBF的瓦斯涌出量预测模型

为了提高径向基(RBF)网络预测瓦斯涌出量的泛化能力,提出QPSO-RBF模型。该模型采用量子粒子群(QPSO)算法优化RBF网络隐层基函数中心、扩展系数以及输出权等初始参数,将网络参数编码为QPSO学习算法中的粒子个体,在全局空间中搜索最优适应值参数。其中,RBF网络选取5-3-1的精简结构,采用5个变量作为影响因子预测瓦斯涌出量。结果表明,经QPSO优化后的RBF网络模型预测结果稳定且唯一,其泛化指标平均相对变动值(ARV)为0.012 2。与PSO-RBF、RBF模型预测结果比较,QPSO-RBF模型的泛化能力和网络训练速度优于前2种;预测精度约为PSO-RBF模型的1.5倍、RBF模型的4倍。