芳香族醛酮化合物溶解度和分配系数的测定与估算

本文测定了１５种芳香族醛酮化合物的溶解度和正辛醇－水分配系数,研究了水溶解度及分配系数与分子连接性能指数的相关性。结果表明,溶解度和分配系数之间以及与分子连接性指数呈较好的线性关系。     

苯砜基化合物溶解度和分配系数的测定与估算

本文应用线溶剂化能相关法研究了３２种类砜基化合物的溶解度及分配系数与溶剂化显色参数之间的相关性，结果表明，溶解度和分配系数与溶剂化显色参数呈良好的线性关系，测定值与估算值吻合得很好。     

取代苯乙酮类有机物溶解度和分配系数的测定

本文采用产生柱法测定取代苯乙酮类有机物的水溶解度和正辛醇-水分配系数,与静态法和振荡法测定的水溶解度、摇瓶法测定的正辛醇-水分配系数相比较,证明此方法是可行的,并和分子连接性指数呈良好的相关性。     

分子表面积的精确和经验计算及其在QSAR中的应用

本文列出了精确计算分子表面积的公式，在分子几何结构优化的基础上，可用此式得到准确的分子表面积，用该法对２０种氯代酚进行了计算，所得分子表面积能很好地预言其正辛醇／水分配系数，并且用分子表面积（或取代基数）加上ＯＨ基的表面积，能很好预言其对发光菌的产性。此外，还提出了计算公子表面积的经验方法－碎片加和法，此法应用于某些取代烃化合物，也得到正辛醇／水分配系数很好的相关性。     

农药和其它有机化合物环境参数的相关性及其预测

农药和其它有机化合物的水溶解度、正辛醇／水分配系数、有机碳吸附常数和生物浓缩因子等物化参数之间存在着明显的相关性，有机化合物的水溶解度与其正辛醇／水分配系数、有机碳吸附常数和生物浓缩因子呈负相关；正辛醇／水分配系数与有机碳吸附常数和生物浓缩因子呈正相关。本文所建立的数学关系式能较好地预测未知化合物的环境特性。     

一个新的拓扑指数用于芳烃化合物溶解度、分配系数及生物毒性的研究

在分子拓扑理论的基础上,提出了一个新的拓扑指数Yx,并用Yx研究了芳烃化合物的溶解度、分配系数及生物毒(活）性,给出了相关方程。结果表明,新方法计算方便,物理意义明确,预测值与相应的实验值较吻合。     

有机污染物分子连接性指数与其它理化参数的相关性

本文对分子连接性指数法的发展和计算方法作了简要介绍,主要讨论了有机污染物分于连接性与其分配行为、水溶解度、土壤吸附、毒性和生物富集的关系。结果表明:X与Kow,Sw,Kom,LC_(50)和BCF等呈良好线性关系,因而分子连接性指数可以用来预测有机污染物的上述理化参数。     

农药分配系数与其水溶解度的相关性

本文探讨了有机磷、有机氯和氨基甲酸酯等杀虫剂、杀菌剂和除草剂的各种不同类型以及所研究的全体农药在正辛醇与水中的分配系数与其水溶解度的相关关系,建立了相关经验方程。回归结果表明,除杀菌剂外两者间具有很好的线性关系。所有农药的回归方程中,分配系数和水溶解度均覆盖了10个数量级,两者间可很好地进行互算。     

单甲脒水中溶解度及正辛醇／水分配系数的测定

有毒有机化合物在水中的溶解度(WS)及正辛醇/水分配系数(K_(ow)),是描述其在环境中行为的两个重要物理化学参数。本文用溶解度平衡曲线法和振荡法,测得单甲脒在水中的溶解度为21.8±1.3mg/1(25℃),其在正辛醇/水中的分配系数lgK_(ow)为2.92±0.06。     

苯甲酰苯胺类化合物溶解度和分配系数的测定及定量结构—性质相关研究

本文采用摇瓶法测定了１４各甲酰苯胺类化合物的溶解度及正辛醇／水分配系数,二者之间具有较好的相关性,应用线性溶剂化相关方法获得的相关方程,能更好地预测测苯甲酰苯胺类化合物的的水溶解度和正辛醇／水分配系数。     

对化学品登记要求的数据解释：—理化参数和生物降解

本文对化学品登记时所要求的理化和生物降解数据做了解释。涉及到的测试参数包括:紫外—可见光谱、熔点、沸点,蒸汽压曲线、水溶解度、吸附—解吸、分配系数(正丁醇—水)、液体和固体密度、颗粒物粒度分布、与 pH 有关的水解作用、在水中的离解常数和快速生物降解。     

苯系物Lewis酸碱性定量及其应用

本文以正丁醚／水和环己烷／水分配系数的对数差值Ａ作为酸性指数，以氯仿／水和四氯化碳／水分配系数的对数差值Ｂ作为碱性指数来度量苯系物的Ｌｅｗｉｓ酸碱性，阐明Ａ、Ｂ两指数的物理意义，并表征其相互作用的Ｌｅｗｉｓ酸、碱间的分子作用力的大小，定量分析其与Ｋａｍｌｅｔ等人提出了溶剂化显色参数π，α，β间的关系，研究了各种分子间的对酸，碱性的相对贡献，氢键的贡献是主要的，其次是偶极作用的贡献，色散力引起的贡献     

分子连接性指数对部分有机污染物溶解度及疏水参数的预测

以化学键为基础定义了键连接性指数和分子键连接性指数，分子键连接性指数与卤代烷、环烷烃、烷基苯和含氧原子醇、酮、醚及卤代苯等有机污染物的溶解度和辛醇／水分配系数都具有良好的线性关系，使用该模型对化合物的溶解度及疏水参数的估算结果接近实验值，能很好地反映有机化合物的结构特性，可应用于不饱和碳氢体系和各类杂原子体系，且具有良好的预测能力。     

有机二元酸,二元碱污染物分配系数和酸常数同时测定方法的研究

本文同时测定了环境中常见的十一种有机二元酸、二元碱污染物的分配系数及酸常数,从理论上建立了有机二元酸、二元碱化合物在不同pH条件下溶解度的估算方程.并且测定了五种有机二元酸、二元碱在不同pH条件下的溶解度,实验测定值与文献值、估算值吻合较好.     

可用于表征可电离化合物离子化影响的描述符研究进展

在人为有意生产的化学品或无意识产生的化学品中,可电离有机化合物(IOCs)均占有较大比重.在环境水体、生理或实验pH条件下,IOCs可解离为分子和离子形态.研究表明,IOCs的分子和离子形态均对其表观物理化学、环境归趋和行为、生态和健康毒性效应参数具有不可忽视的影响,因而在开展IOCs相关实验或理论研究时不应忽略离子化的影响.在构建IOCs相关预测模型时,核心是如何表征离子化的影响.本文从描述符入手,总结了可用于表征IOCs离子化影响的4类描述符,即酸碱解离常数(pKa)及其衍生参数(分子态和离子态的比例分数(δ分子和δ离子))、考虑离子化影响的分配系数包括正辛醇-水分布系数(logDow(pH))和进行形态修正的脂质体-水分配系数(logDlip/w(pH))、考虑离子参数的多参数线性自由能关系(离子描述符J+和J-)、基于形态修正的量化参数,并展望了表征IOCs离子化影响的未来研究重点.     

化学品正辛醇空气分配系数定量预测模型研究

正辛醇-空气分配系数是描述化学品在空气和环境有机相之间分配的一个关键参数,对化学品分配、迁移、转化规律和生态效应评价具有重要意义。采用量子化学方法对309个化合物进行结构优化,采用遗传算法筛选最优结构描述符,运用多元线性回归和神经网络算法构建化学品正辛醇-空气分配系数预测模型。模型方程表明影响化学品正辛醇-空气分配系数的3个参数为分子中非氢原子个数(Nsk)、3D-MoRSE描述符(Mor12u)、氮原子和氧原子数目(n HDon)。拟合结果显示,多元线性回归模型决定系数R2和标准误差分别为0.911和0.880,神经网络模型决定系数R2和均方根误差分别为0.839和0.830。基于杠杆(leverage)法评价模型的应用域,结果表明模型具有较强的稳健性、预测性和拟合能力。通过定量结构-活性关系(QSAR)预测技术可弥补正辛醇-空气分配系数测试数据的缺失,减少测试费用和评估数据的不确定性。     

硝基多环芳烃的正辛醇—水分配系数

用摇瓶法测定了九种硝基多环芳烃的正辛醇-水分配系数,研究发现用Leo碎片法可以较好地估算NO_2-PAHs化合物的正辛醇-水分配系数。在正辛醇-水分配系数(K_(ow))与水溶解度(S)之间建立了相关方程: lgK_(ow)=-0.925lgS-0.00697(mp-25)+4.164(S用mg/l表示时); lgK_(ow)=-0.885lgS-0.00727(mp-25)+4.815(S用mol/m~3表示时)。     

多环芳烃的分子表面积与双区理论

本文提出了一种利用基团贡献法原理计算分子表面积(TSA)的新方法,应用该方法计算了多环芳烃(PAHs)的TSA,并以双区理论为基础,研究PAHs的分子表面积与致癌活性的关系,将TSA参数引入双区理论方程,通过本文提出的理论方程对PAHs的致癌活性进行了计算,所得结果与实验值吻合得很好,对双区理论进行了分子表面积的补充。     

苯乙酸类有机污染物分配系数和酸常数同时测定方法的研究

本文用分光光度法同时测定了十四种苯乙酸类化合物在正辛醇/水及环己烷/水中的分配系数及酸常数;对其中八种化合物在不同pH时的溶解度进行了测定,并根据相关方程进行了估算,估算值与实验值吻合较好。     

酚类化合物臭氧氧化速率的神经网络研究

酚类化合物(BP)是重要的工业原料或中间体,但工业废水含有的酚类化合物会对环境造成污染。为建立酚类化合物臭氧氧化速率的QSPR(quantitative structure-property relationship)预测模型,分析了23种酚的分子结构与臭氧氧化速率之间的相关关系,计算了这些酚的分子连接性指数和分子形状指数,优化筛选了连接性指数的1χ和2χ、分子形状指数的K1和K2共4种参数,将其作为BP神经网络的输入层变量,臭氧氧化速率作为输出层变量,采用4:2:1的网络结构,获得了令人满意的QSPR神经网络预测模型,模型总相关系数r为0.976,计算得到的臭氧氧化速率的预测值与实验值较为吻合,平均残差仅为0.05;为检验结构参数建立模型的普适性,同样方法建立对酚类化合物的辛醇-水分配系数的预测模型,模型总相关系数r达到0.993,辛醇-水分配系数的预测值与实验值吻合度较为理想,结果表明,本法建构的神经网络模型具有良好的稳健性和预测能力。