有机化合物结构与生物降解定量关系的研究进展

生物降解是许多有机化合物主要降解途径之一。近年来,难降解的有机化合物的任意排放使得环境污染越来越严重,为了防止由此造成的环境污染问题,对于有机化合物生物降解能力的预测显得至关重要。有机化合物的结构与生物降解定量关系（QSBR）的研究与发展,对于预测有机化合物的生物降解性提供了重要的帮助。本文主要综述了近几年来国内外在这领域的研究进展,对现有的有机化合物的结构与生物降解定量关系模型进行系统的总结、评价,分析了模型研究中存在的具体问题,并提出了进一步改进的几点建议,展望了其在环境保护规划、预警及评估等方面的应用前景。     

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。