分子距离-连接性矢量用于链烷烃分子结构的表征及其沸点的估算

基于分子结构的两种最基本的特性 原子间键联距离和连接关系 ,提出了分子距离 连接性矢量(简称距连矢量 ,VMDC) ,以其表征化合物的分子结构 ,并对含一至十个碳原子饱和烷烃共 150个分子的沸点这一重要的物理性质进行了定量结构性质相关关系 (QSPR)研究 ,结果表明 ,新的分子距连矢量具有结构选择性高和性质相关性好的特点 ,而且计算较简便 。

分子距离润滑

只有几个分子那么厚的流体层如果被夹在固定的结构表面之间就能获得像固体那样的次序,人们知道这一点已经好几年了。根据《化学物理杂志》报导的伊斯雷拉威利等人的新的实验,这样的类似固体的次序在两个表面处于相对运动状态时依然可能存在。这一发现可被认为是分子摩擦学诞生的标志。分子摩擦学是在原子大小的距离上研究摩擦与润滑的科学。如果在流体池中使两个表面在分子距离内合在一起,层间流体就会改变其动态与静态特性。流体的相图会被改变,其热传递系数会发生变化,其质会变得不均匀,还可能变得各向异性。决定流体特性的因素很多,如流体的最初结构、两个表面的结构与可比性。

一个新的分子电性距离矢量(MEDV)

有机化合物通常由电性各异的碳、氢、氧、氮、硫等元素以共价键相互连接而成.我们提出一个称为分子电性距离矢量(简称MEDV)的新描述子来表征有机分子结构.以含有环、饱和与不饱和键及碳氧氮等元素的色氨酸分子为例,说明构建MEDV的基本方法.开发设计了计算有机分子MEDV的True BASIC语言程序.不借用其他任何描述子,仅用MEDV建立了烷、醇、多环芳烃等多种有机化合物包括沸点、密度、保留指数等多种性质的定量结构-性质相关(QSPR)模型,相关系数均达0.98以上.

黄瓜亲本间分子遗传距离与杂种优势的相关性

选用 10个黄瓜亲本 ,通过RAPD分析计算其分子遗传距离 ,然后配制遗传距离大、中、小的杂交组合 15个 ,田间测定它们的 16个园艺性状 .对所得园艺性状数据进行统计分析 ,并计算园艺性状与分子遗传距离间各种相关曲线的相关系数 .结果发现 ,黄瓜园艺性状与分子遗传距离间的各种相关曲线中 ,以抛物线的相关系数最优 ,其中座瓜率、收获始期与分子遗传距离的抛物线相关系数存在着显著相关性 .

分子电性距离矢量用于稠环芳烃液相色谱保留值的QSPR研究

采用分子电性距离矢量(Molecular Electronegativity Distance Vector,MEDV)表征稠环芳烃类化合物的分子结构。分别运用多元线性回归(Multiple Linear Regres-sion,MLR)和偏最小二乘回归(PLS)建立了稠环芳烃类化合物结构与其液相色谱(LC)保留值的定量结构-性质关系(QSPR)模型,同时采用内部及外部双重验证的办法对所建模型稳定性能进行分析和验证,建模计算值、留一法交互检验预测值和外部样本预测值的复相关系数Rcum、RLOO、Qext分别为0.9970,0.9950,0.9925(MLR);0.9930,0.9790,0.9917(PLS)。结果表明,MEDV能较好地表征该类分子结构信息,所建QSPR模型具有良好的稳定性和预测能力。为稠环芳烃类化合物分离、纯化、检测等方法的建立,提供有效的理论依据。

分子电性距离矢量用于酯的定量结构-色谱保留相关研究

分子电性距离矢量(MEDV)是一种描述分子二维结构的拓扑描述子,由4种类型原子间相互作用的10个元素组成。通过引入原子属性和原子类型的概念构建的MEDV,适用于描述含多个杂原子、饱和键与不饱和键、环和非环等分子结构特征。利用MEDV对73个酯在不同固定相、不同柱温下219个样本的气相色谱保留指数值(RI)建立多元线性回归模型,其相关系数r=0.9957,继以留一法(Leave-one-out)进行交互检验,相关系数rCV=0.9950。建模结果显示,MEDV具有很好的结构选择性,所建定量结构-保留关系(QSRR)模型具有良好的稳定性和预测能力,较好地揭示了酯类化合物在不同固定相、不同柱温下气相色谱保留指数的变化规律。

分子电性距离矢量用于多氯代二苯并呋喃光解半衰期的QSPR研究

多氯代二苯并呋喃(PCDFs)是一种典型的持久性有机污染物(POPs),光解是其在环境中转化的主要途径.以分子电性距离矢量(Molecular Electronegativity Distance Vector,MEDV)为参数,应用多元线性回归(Multiple Linear Regression,MLR)和偏最小二乘回归(PLSR)对48种PCDFs在云杉针叶和飞灰表面的光解半衰期(t1/2)进行模拟分析,均获得由2个变量所建的定量结构-性质相关(QSPR)模型.多元线性回归结果:建模相关系数(R)分别为0.860和0.836,标准偏差(SD)分别为0.052和0.053,交互检验复相关系数(Rcv)分别为0.839和0.807,外部检验相关系数(Qex)t分别为0.939和0.853;偏最小二乘回归结果:建模相关系数(R)分别为0.857和0.829,交互检验复相关系数(Rcv)分别为0.849和0.807.结果表明,MEDV能较好地表征该类分子的结构信息,所建QSPR模型具有良好的稳定性和预测能力.

分子电性距离矢量(MEDV)用于醇的分子结构表达和物理性质预测

分子电性距离矢量 (MEDV) 是一种描述分子二维结构的拓扑描述子, 由 4 种类型原子间的相互作用得到的10个元素组成. 通过引入原子属性和原子类型的概念, 适用于含多个杂原子、饱和键与不饱和键、环和非环等结构特征. 基于MEDV, 对多种醇的沸点 (BP)、水溶性 [lg(1/S)]、醇/水分配系数 (lgP)、分子总表面积 (TSA)、分子体积 (MV) 和分子折射率 (MR) 等6种物理性质建立了多元线性回归模型, 其相关系数分别达到0. 9972, 0. 9925, 0 .9975, 0. 9998, 0 .9997 和 0 .9999, 标准偏差分别为 3. 2660, 0 .1373, 0. 1237, 0. 0184,1 0354和0 2084. 采用留一法交互检验验证模型对外部样本的预测能力, 对水溶性的相关系数为0. 9714, 其余的均在0 .99以上. 分子建模结果显示, MEDV具有很高的化学结构选择性和优良的物理化学性质相关性.

分子电性距离矢量用于三嗪类化合物的构效关系研究

采用分子电性距离矢量(Molecular Electronegativity Distance Vector,MEDV)表征了三嗪类化合物的分子结构,并运用多元线性回归(Multiple Linear Regression,MLR)建立了该类化合物结构与其发光菌和大型蚤毒性的定量结构-毒性相关(Quanti-tative Structure-Toxicity Relationship,QSTR)模型,同时采用留一法交互检验对所建模型进行了分析和验证,建模计算值的相关系数R分别为0.970和0.952,留一法交互检验预测值的相关系数RLOO分别为0.917和0.921,并进一步阐述了结构与毒性之间的关系。结果表明,三嗪环上π电子离域程度减小有利于毒性增加,侧链N上取代基数目增加,化合物毒性减小。为进一步预测该类化合物的毒性,进行药物筛选提供了有效的理论依据。

应用分子电性距离矢量预测烷烃和一元醇的折光指数

应用分子电性距离矢量对81个烷烃、22个一元醇进行了结构表征,通过多元线性回归与逐步回归的方法建立了分子电性距离矢量与折光指数的定量结构性质模型,模型的相关系数分别为0.980和0.979.采用留一法对模型进行交互检验复相关系数R2cv分别为0.927和0.898.说明定量结构性质模型具有很好的稳定性和预测功能.

分子电性距离矢量预测多氯萘的正辛醇/空气分配系数

应用分子电性距离矢量(MEDV)对多氯萘(PCNs)的76种同系物进行结构表征,通过多元线性回归方法建立了PCNs的正辛醇/空气分配系数(lgKOA)与MEDV之间的定量结构-性质关系(QSPR),该模型具有显著的相关性(n=24,R=0.997,SD=0.088,F=417.546).采用逐步回归的方法(SMR)从原模型参数中选取2个参数建立了新模型,其模型相关系数R=0.996,继以留一法进行交互检验,相关系数RCV=0.995,说明此定量构效相关模型具有很好的稳定性和预测能力.运用模型对未有试验值的52种PCNs的lgKOA进行了预测.

分子电性距离矢量预测金线莲挥发油成分结构表征及色谱保留值

采用分子电性距离矢量(molecular electro-negativity distance vector,MEDV)对金线莲挥发油中分离的72种化合物进行了结构表征,并采用SPSS统计处理软件对变量进行了逐步回归(SMR)分析,建立了4变量的定量结构-色谱保留(quantitative structure retention relationship,QSRR)相关模型,同时采用内部及外部双重验证的办法对所建模型稳定性进行了分析和验证,建模计算值、留一法(leave-one-out,LOO)交互检验预测值和外部样本预测值的复相关系数R、RLOO、Qext分别为0.959,0.947,0.913。结果表明,MEDV能较好地表征非同类化合物的分子结构信息,所建模型具有良好的稳定性和预测能力,将其用于中药化学成分分离、分析、结构表征及其药用价值的有效开发,具有重要的理论指导意义。

分子电性距离矢量用于氯苯酚对水生物毒性影响的研究

目的研究氯苯酚电子结构对水生物的毒性关系,进一步探索预测卤代化合物的毒性。方法与结果通过建立多元线性回归分析对20个氯苯酚类化合物的分子电距矢量(MEDV)与其分子毒性关系进行关联,得回归方程:lgKow=-17.719-0.635×v3+7.678×v2+18.823×v1+1.802×v4-0.187×v6,R为0.976。随后采用留一法(LOO)交叉检验(CV)对其进行了验证,结果显示预测能力较强,RCV为0.9602。结论该模型具有良好的拟合能力和稳定性,在一定程度上阐明了氯苯酚类化合物lgKow与其分子电性距离矢量之间的关系。

基于分子电性距离矢量预测PBTAs的热力学性质

基于分子电性距离矢量构建噻蒽(TA)和75个多溴噻蒽系列化合物(PBTAs)的4种热力学性质(标准焓H0、自由能G0、恒容热容C0V和标准熵S0)的定量结构-性质相关性(QSPR)模型,根据进入模型的4个描述子可知,PBTAs中的4个结构碎片CH—,C<,—S—,—Br均影响其热力学性质,所建最佳数学模型的判定系数(R2)均为1.000,其计算值和文献值基本吻合,并经Jackknife法和LOO交互检验证明了模型的稳定性和预测能力。结果表明,电性距离矢量与多溴噻蒽热力学性质具有良好的相关性,可望在物质构效关系研究中获得广泛的应用。

分子电性距离矢量用于FCC汽油中硫化物的QSRR研究

采用拓扑结构描述符中的分子电性距离矢量(MEDV),对催化裂化(FCC)汽油中48种硫化物在PONA柱上的气相色谱保留指数值(RI)建立多元线性回归模型和神经网络BP模型,并进行模型对比。结果表明,MEDV能很好分辨FCC汽油中不同硫化物以及同种硫化物异构体,由此建立的定量结构–保留相关关系的多元线性回归(MLR)模型和神经网络BP模型都具有较好的稳定性和良好预测能力,而非线性BP模型优于MLR模型的预测能力。

基于分子电性距离矢量预测多氯代吩噁嗪的热力学性质

采用分子电性距离矢量(MEDV-13)描述子表征多氯吩噁嗪(PCPXs)的分子结构,利用多元线性回归方法,建立了和多氯吩噁嗪热力学性质(热能值Eth、恒容热容C0V、标准焓H0、标准熵S0、和自由能G0)的定量结构-性质相关性(QSPR)模型,所建模型相关系数均为1.000,计算值和文献值基本吻合,相对平均误差分别为0.288%,0.091%,0.288%,0.141%,0.288%,并经Jackknife法检验证明了模型的稳定性和预测能力。

基于分子电性距离矢量的酚类结构与活性关系

为分析取代苯酚定量结构与生物活性关系(QSAR),根据非氢原子相对电负性和非氢原子间距离计算得到25种取代苯酚的分子电性距离矢量(MEDV),采用多元线性回归(MLR)方法建立取代苯酚MEDV与生物活性的6变量模型。结果表明,所建模型相关系数(R)为0.676,对25种取代苯酚类化合物毒性的预测值与实验值能较好吻合。因此,所建模型以MEDV作为描述子进行OSAR研究具有一定的预测能力。

基于分子电性距离矢量预测有机磷杀虫剂的小鼠毒性

以分子电性距离矢量(MEDV)有效表征22个有机磷杀虫剂(OPs)的分子结构,应用基于预测的变量选择与模型化(VSMP)方法建立OPs分子结构与小鼠半致死量(pLD_(50))的定量结构-毒性相关(QSTR)模型。模型的相关系数(R^2)为0.981 5、估计均方根误差(RMSE)为0.09,留一法(LOO)交叉验证相关系数Q^2为0.967 5,均方根误差(RMSEV)为0.12,说明模型具有良好的稳定性。采用LOO交叉验证、留多法(LMO)交叉验证、自举法和y-随机化对QSTR模型进行内部验证,结果表明模型具有较好的内部稳健性;外部验证表明模型具有较强的预测能力。因此,QSTR模型可预测有机磷杀虫剂类化合物对小鼠的毒性。

应用分子电性距离矢量预测二噁英类化合物PCDFs的正辛醇水分配系数

应用分子电性距离矢量对 13 5种二英类化合物多氯代二苯并呋喃 (PCDFs)的结构进行了表征 ,通过多元线性回归方法建立了PCDFs的正辛醇 水分配系数与分子电性距离矢量之间的定量关系模型 ,与有关文献报道的模型相比 ,该模型具有显著的相关性 (n =51,R =0 .92 7,Sd =0 . 193 62 ,F =44.8697) .另外采用逐步回归的方法 (SMR)从原模型参数中选取了 2个参数建立了一新模型 ,其模型相关系数为R =0 . 92 4;继以留一法进行交互检验 ,其相关系数与之接近 ,R =0 .910 。

分子电性距离矢量(MEDV)用于神经氨酸酶抑制剂的二维构效关系研究

采用分子电性距离矢量(MEDV)对神经氨酸酶抑制剂进行了结构表征,运用多元线性回归建立定量结构-活性关系(QSAR)模型,同时采用逐步回归对变量进行筛选后,建立了123个神经氨酸酶抑制剂的3变量模型,模型的建模计算值复相关系数(R),交互校验的复相关系数(RCV)和模型的标准偏差分别为R=0.705,SD=1.298,RCV=0.676,SDCV=1.308,模型具有良好的稳定性和预测能力.