氯代酚类物质对斑马鱼的急性毒性及QSAR研究

收集整理了取代苯类化合物与斑马鱼的48 h和96 h急性毒性(LC50)的定量关系数据,依据定量结构-活性关系原理,利用AM1法计算分子描述符表征化合物后,以多元线性回归法进行建模,并对建好的QSAR模型进行评价与检验。为进一步验证所建模型的预测能力,选择建模过程中所用化合物以外的3种氯代酚:对氯酚、2,4-二氯酚、2,4,6-三氯酚对斑马鱼做48 h和96 h的急性毒性验证试验,其48 h-LC50分别为8.171、6.146、1.385 mg/L;96 h-LC50分别为6.475、4.327、1.132 mg/L。验证试验结果与已构建QSAR模型预测值进行对比和评价,经过残差分析,得出试验值与模型预测值残差均满足δ1,从而进一步验证所构建的该苯系化合物的急性毒性QSAR模型有良好的预测能力。     

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。     

氯代苯胺对斑马鱼的急性毒性的电性拓扑研究

基于拓扑理论计算了7种氯代苯胺分子的Kier和Hall的原子类型电性拓扑状态指数(E)f。通过多元线性回归和最佳变量子集回归方法建立了氯代苯胺对斑马鱼急性毒性(pLC5)0与其电性拓扑状态指数的最佳二元定量构效关系(QSAR)模型,其传统判定系数(R)2为0.978,逐一剔除法(LOO)的交互验证系数(Q)2为0.964。根据统计学观点,该模型具有良好的稳健性及预测能力,用该模型给出的估算值和实验值非常接近,优于相关文献的计算结果。从进入该QSAR模型的2个电性拓扑状态指数(E9,E2)6可见,所建的数学方程显示芳环内=C<及硝基中氮原子(=N≤)是影响其pLC50的主要结构因素。     

基于关联向量机回归的水质预测模型

提出了一种基于关联向量机回归的水质时间序列预测模型,并以该模型对氢离子浓度指数(p H值)、溶解氧(DO)、高锰酸盐指数(CODMn)和氨氮(NH3-N)4种重要水质指标进行预测.首先采用国家环保部发布的四川攀枝花龙洞水质自动监测数据进行实验,对该模型的有效性进行了验证;然后将关联向量机回归预测模型与支持向量机回归预测模型进行比较.为了比较不同核函数的预测效果,实验中预测模型的核函数分别采用了线性函数和高斯函数.实验结果表明,关联向量机回归模型的预测效果不亚于支持向量机回归模型;且在给出预测值时,还能同时给出预测结果的可信程度.     

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。     

基于多核LS-SVM的河涌水质预测模型

研究了多变量非线性河涌水质预测问题,提出了多核最小二乘支持向量机河涌水质预测模型。模型采用协同结构的非线性函数将水质时序样本映射到高维特征空间,进行多元线性回归。然后将该回归问题转化成半无限线性规划问题,运用交换集法求解。文章利用东江流域河涌水质数据进行了拟合预测实验,结果表明,与单核最小二乘支持向量机河涌水质预测模型相比,多核模型的预测误差减小了23%以上,它较单核模型具有更高的预测精度和更好的泛化推广性能。     

含苯环化合物对发光菌急性毒性QSAR研究

文章通过将化合物中骨架非氢原子进行分类、参数化转换、构建非氢原子间的关系而得到新的结构描述符,并且将其用于28个含苯环类化合物的结构参数化表征。通过多元线性回归建立含苯环类化合物的分子结构与对发光菌急性毒性(-lg EC_(50))之间的关系模型,模型的相关系数为0.960,标准偏差为0.191。构建的模型可以用于含苯环类化合物对发光菌急性毒性的预测,为环境中的有毒化合物的定量结构-毒性关系研究提供参考。     

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.     

硝基苯类化合物对斜生栅藻毒性的HQSAR分析

利用分子全息定量结构-活性相关关系(HQSAR)技术研究了25种硝基苯类化合物对斜生栅藻的急性毒性与其结构之间的相关关系.应用偏最小二乘回归技术(PLS)建立了定量模型.在碎片长度为1~7、碎片区分参数为原子类型、化学键类型和连接性条件下,得到最佳模型(Q2=0.921,R2=0.992).为检验模型的预测能力,将数据集分成训练集和预测集.模型对预测集的预测结果与实测值吻合较好,表明模型的预测能力良好.最后利用色码图对模型中不同原子的贡献进行了解释.     

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.     

用GFA建立苯衍生物对发光菌毒性的QSAR模型

文章用Accelrys公司Material Studio4.0软件计算100个苯衍生物发光菌EC50样本不同类型的分子描述符,并用其中的GFA模块对筛选后的描述符建立了QSAR预测模型。训练集所得的最优的5个模型是同等的,根据r2和r2cv,方程1选为最优模型,其r2=0.933,r2cv=0.929。预测集预测相关系数r2pred为0.70,说明该模型具有较好的预测能力。     

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.     

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。      

多环芳烃的几种理化参数与LC_(50)的相关性研究

对多环芳烃(PAHS)4种理化参数(K;W、Sw。X Vv。)与 LCO的相关关系进行了研究,建立了 4种一元线性回归方程。结果表明,4种参数的相关系数分别为:0.刀66、08083、09488、0.9570,经r检验,后两种属高度显著相关.用所建立的一元线性回归方程对7种PAHS的LC。进行估算,估算值与实测值相比,平均相对误差分别为58.84％、32.23％、1761％、198％,用l和V＊.H对LClj进行估算的估算精度也较高。经比较,提出用(。估算P＊比对麦穗鱼＊CO的新方法。     

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.     

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.      

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.     

人工神经网络模拟芳基脲土壤吸附系数研究

对38种芳基脲类化合物的土壤吸附系数进行了定量结构－活性相关研究。利用量子化学的AM1方法提取化合物的结构参数，运用多元回归分析和人工神经网络对该化合物进行比较研究。研究结果表明，神经网络法所得结果优于多元回归分析结果，并对分析结果进行了吸附机理讨论。