论文部分内容阅读
本论文主要是对几类最常见的环境污染物一酚类、胺类和农药类化合物进行QSAR/QSPR研究。首先用实验方法测定取代酚类和胺类化合物的水溶解度(-lgSw)和正辛醇/水分配系数(1gKow)，及农药的lgKow和对发光菌的毒性数据(-lg1/EC50)，再采用密度泛函理论(DFF)方法对酚类、胺类和农药类化合物的分子结构进行了全优化计算，以计算得到的量子化学参数作为理论描述符，采用GQSARF 2.0和SPSS 12.0 for windows统计程序进行正向逐步回归分析，建立了这些污染物的QSAR/QSPR模型：(1)采用DFT方法在B3LYP/6-311G**水平上对29种酚系列化合物分子进行了全优化计算，在25℃时摇瓶法测得的取代酚类化合物的lgKow和-lgSw数据基础上，求得了-lgSw和lgKow与结构参数和热力学参数的相关模型，其相关系数R2分别为0.9800和0.9941，交叉验证系数(q2)分别为0.9729和0.9864，标准误差(SE)分别为0.14l和0.057。与文献采用半经验AM1算法和分子连接性指数法所建立的模型相比较发现，本研究DFT法所建立模型的质量有所改善，因为相关系数提高，标准误差下降，模型的预测能力有所提高：(2)采用DFT方法在B3LYP/6-311G**水平上对23种胺系列化合物分子进行了全优化计算，拟合得到-lgSw和lgKow的相关模型，其相关系数R2分别为0.981和0.993，q2分别为0.9725和0.9760。并且DFT法得到的lgKow模型优于文献报道的模型的预测能力。(3)测定了农药的lgKow值和对发光菌的毒性(-lgEC50)数据，并在6-31G*基组上全优化计算了这些农药的分子结构。预测lgKow相关模型的R2为0.9443，并且lgKow随着μ的增大而减小，随着He数值的减小而增大：预测农药毒性的模型(R=0.9455)，其相关方程包含2个变量(分子的最正氢原子净电荷(qH+)和熵(Se))。
采用留一的交叉验证和外部检验、t-检验或F-检验和变异膨胀因子(VIF)等方法对所建立的QSAR/QSPR模型进行了统计检验和评价，检验结果证明所建立的模型具有高的预测能力和稳健性。所建立的模型可用于这些污染物性质或活性的预测和机理的推导。