烃类化合物在不同色谱柱上的定量结构-保留相关性研究

运用量子化学中的AM1方法计算烃类化合物的分子结构描述参数,借助逐步回归法建立了烃类化 合物在不同极性色谱柱上的QSRR模型。结果表明:烷烃、烯烃、二烯烃类化合物在不同极性的色谱柱上的色 谱保留与其分子结构描述参数之间具有较好的线性关系,烃类化合物在不同极性固定相上的保留主要与溶 质分子的MR有关,即与溶质分子的色散力有关。随着溶质分子的不饱和度的增加,或固定相极性的增强,溶 质分子与固定相之间的电荷传递作用随之增强。而且,烃类化合物在不同极性固定相上的色谱保留的QSRR 模型均可用量化参数HOMO、LUMO、ElcE以及MR参数来描述。所建立的在不同极性色谱柱上的烃类化合 物的色谱保留QSRR模型预测烃类化合物的色谱保留值时具有较好的稳定性和准确性。

汾酒香味成分分析及定量结构-色谱保留相关研究

以清香型汾酒为研究对象,采用气相色谱/质谱联用方法,分析了汾酒中的主要香味成分,利用Steric and Electronic Descriptors(SEDs)建立了预测香味成分的定量结构-色谱保留相关模型,发现汾酒中主要香味成分酯、醇、酸、醚、烃、醛、酮的保留时间分别与不同的SEDs参数有良好的相关性,建模相关系数分别为酯R=0.991、醇R=0.995、酸R=0.995、醚和烃R=0.995、醛酮R=0.969,留一法交互检验(Leave-one-out,Loo)相关系数分别为酯RLoo=0.986、醇RLoo=0.986、酸RLoo=0.991、醚和烃RLoo=0.944、醛酮RLoo=0.932。结果表明,所建模型具有良好的稳定性和预测能力,为白酒中香味成分的分离检测提供了有效的理论依据。

定量结构-色谱保留相关联方法分析食用植物油中脂肪酸组成

采用气相色谱-氢火焰离子化检测器分别测定8种食用植物油中脂肪酸组分的色谱保留时间,并结合定量结构-色谱保留相关联(quantitative structure-retention relationship,QSRR)方法和标准品分别对每种植物油中的脂肪酸组分进行定性分析,将这2种方法的定性分析结果作对比,以验证QSRR方法在食用油中脂肪酸定性分析方面的实际应用能力。结果表明:QSRR方法的定性结果与标准品对脂肪酸的定性结果基本一致,QSRR方法具有很好的实际应用性,为脂肪酸的测定提供了一条新途径,对食用植物油中脂肪酸的分析测定有一定的参考价值。

碳氢化合物、醛、酮和硫醇的定量结构-色谱保留指数相关性研究

采用平衡电负性和相对化学键长对传统距离矩阵进行修正,构建新拓扑指数Nt。结合路径数,建立碳氢化合物、醛、酮和硫醇等化合物在24种极性和非极性色谱柱上的定量结构-色谱保留指数关系(QSRR)模型,23种模型的相关系数大于0.99。模型经留n法交叉检验,显示出良好稳健性和预测能力。模型物理意义明确,表明色谱保留指数可用分子的大小、平衡电负性、支化度和形状等内在结构信息进行有效表征。模型经Needham公式分析,结果显示新指数Nt对保留指数影响最大。借助Hyperchem软件进行对比研究,结果表明拓扑化学法优于量子化学AM1法。

定量结构-保留相关关系辅助气相色谱-质谱法和气相色谱-红外光谱法定性分析香精中的醛酮酯类化合物

构建了简单的醛酮酯类化合物定量结构-保留相关关系(Quantitative structure-retention relationship,QSRR),结合气相色谱-质谱/气相色谱-红外光谱(GC-MS/GC-IR)方法建立快速、准确的香精样品中醛酮酯类化合物定性分析方法。以醛酮酯标样保留时间tR为因变量,分子拓扑指数0Q为自变量进行多元线性回归拟合(MLR)得到tR=0Q×A+B的QSRR模型;混合标样预测集得到QSRR模型为tR=0.90900Q-5.279(醛酮)和tR=0.82360Q-7.422(酯),相关系数R2=0.997,测试集化合物预测值与实验值的相对误差小于5%;结合GC-MS/GC-IR分析方法检测和谱库检索化合物类别,快速准确定性分析香精样品中醛酮酯类化合物,为复杂基体中醛酮酯类同系物和同分异构体分析提供了快速、准确的定性方法。

基于神经网络的黑莓果酒香气成分的定量结构色谱保留相关研究

采用人工神经网络(ANN)建立了36种黑莓果酒香气成分的结构与色谱保留时间之间的定量关系(QSRR)模型。以36种黑莓果酒香气成分的分子连结性指数和电拓扑指数作为输入、保留时间作为输出,采用内外双重验证的办法分析和检验所得模型的稳定性,所构建网络模型的相关系数为0.9993、交叉检验相关系数为0.9949、标准偏差为0.1100、残差绝对值小于0.47,应用于外部预测集,外部预测集相关系数为0.9833。为了便于比较,也采用多元线性回归(MLR)法建立了QSRR模型,模型的相关系数为0.9904、交叉检验相关系数为0.9905、标准偏差为1.4896、残差绝对值小于4.32,外部预测集相关系数为0.8973。结果表明,ANN模型获得了比MLR模型更好的拟合效果。

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。

广义相关指数用于持久性环境污染物的定量结构-色谱保留关系研究

基于分子拓扑图形特征和顶点连接方式,通过定义广义相关函数、性质相关参数以及距离关系函数等概念,将“面向用户”实际应用的观点及对目标问题“自适应性”的思想引入到分子结构表征当中,从而得到一种新型分子拓扑性质表征方法:广义相关指数(GC I)。使用该指数对115个多氯代二苯并呋喃、41个多氯代二苯并-p-二、62个多氯代萘和210个多氯联苯在DB-5气相色谱柱上的保留行为进行了定量结构-色谱保留关系研究,所得模型复相关系数Rcum以及交叉检验复相关系数Qcum均在0.98以上。结果表明GC I指数具有较强分子结构表达能力及对化合物各类性质的优良适应性。

金银花挥发油成分定量结构-色谱保留相关研究

目的建立预测中草药挥发油成分保留指数的定量结构-色谱保留相关模型。方法以金银花挥发油为研究对象,用Steric and Electronic Descriptors(SEDs)参数表征其分子结构,采用SPSS进行逐步回归分析,建立相关模型,并用留一法对模型交互检验评价模型的预测能力和稳定性。结果金银花挥发油成分的保留指数与建模时筛选的SEDs参数有良好的相关性,建模相关系数均大于0.907;留一法交互检验相关系数与建模相关系数接近,均大于0.896。结论所建模型具有良好的稳定性和预测能力,为中草药挥发油成分的分离检测提供有效的理论依据。

酚类化合物气相色谱保留指数的定量结构相关性研究

应用偏最小二乘回归技术建立了102种酚类化合物气相色谱保留指数与分子全息结构间的相关模型,在最佳建模条件下得到非交叉验证相关系数(r2)为0.965,交叉验证相关系数(qLOO2)为0.963.从102种酚类化合物中随机选出68种作为训练集,其余作为测试集,来验证分子全息QSRR模型的预测能力和稳健性.在最佳建模条件对训练集进行偏最小二乘回归分析,r2为0.967,qLOO2为0.927.用训练集数据所建立的QSRR模型预测测试集中酚类化合物的色谱保留指数,结果表明,基于训练集所建立的QSRR模型具有很高的预测能力和稳健性,可以对测试集酚类化合物的气相色谱保留指数进行很好的预测.此外,利用最佳全息定量结构保留关系(HQSRR)模型的色码图,探讨酚类化合物中的不同侧链基团对其色谱保留性质的影响,及其在固定相上的色谱保留机理.

二恶英异构体的定量结构色谱保留相关研究

以基团为基准,提出了表征环境有毒物二恶英分子结构的分子距边矢量.借助多元线性回归方法,分别建立了二恶英在不同极性色谱柱上的色谱保留指数或相对保留时间与其结构表征参数间的定量结构色谱保留关系(QSRR)模型,模型的线性相关系数均在0.99以上.留一法交互校验表明:所建的QSRR模型有较强的预测能力.

因子分析法在氯代羟基苯甲醛定量结构-气相色谱保留值相关分析中的应用

通过因子分析法对25个氯代羟基苯甲醛的色谱保留行为与分子结构的关系作了探讨,并将化合物分成了主次两类。对两类化合物的保留值与辛醇-水分配系数及官能团位置指数分别进行了线性拟合,结果表明,它们的色谱保留值与其分子结构之间有着良好的线性关系。

基于神经网络的香水百合香气成分的定量结构色谱保留相关

采用人工神经网络(Artificial Neural Network,ANN)中的误差反向传播(Error Back Propagation,BP)神经网络分别建立了35种香水百合头香成分的三种结构与色谱保值之间的定量关系模型,其中两个为一维定量模型(分别是结构与色谱保留时间一维定量模型、结构与Kovats保留指数一维定量模型),另一个为二维定量模型(结构与保留时间和Kovats保留指数同时预测的二维定量模型).以量子化学参数作为网络输入、以保留时间和Kovats保留指数作为输出,采用内外双重验证的办法分析和检验所得模型的稳定性.结果表明,BP-ANN模型稳健性与多元线性回归(Multiple Linear Regression,MLR)模型相当,但外部预测集拟合效果BP-ANN优于MLR.另外,BP-ANN构建的一维和二维模型相当,而二维模型更加节省时间.

人工神经网络用于有机磷酸酯类化合物的定量结构色谱保留相关研究

采用误差反传前向人工神经网络(ANN),研究了35种有机磷酸酯类化合物在3种不同极性固定相上的结构与其色谱保留(QSRR)之间的定量关系。以其分子电性距离矢量(或分子拓扑指数)作为输入、色谱保留值作为输出,采用内外双重验证的办法分析和检验所得模型的稳定性和外推能力。结果表明,ANN模型获得了比多元线性回归(MLR)模型更好的拟合效果。使用MLR模型时QSRR模型相关性受色谱固定相极性的影响,而采用ANN模型无此现象。同时,ANN模型解决了QSRR中预测维数为1时耗时较长的问题。通过ANN建模可以同时预测3种不同极性固定相上的色谱保留值,可大大缩短建模和预测所需的时间。

有机物气相色谱保留指数的定量结构与性质相关性研究

把分子连接性指数 m X用于有机化合物气相色谱保留指数的结构——性质相关性研究中。并计算了 1 5个系列 1 0 8个分子的 0 X、1X值。发现m X与这些有机化合物的气相色谱保留指数有很好的相关性。相关系数均在 0 .

基于神经网络的玫瑰花挥发性有机物的定量结构色谱保留相关

采用人工神经网络(Artificial Neural Network,ANN)中的误差反向传播神经网络(Error Back Propagation,BP)方法,以40种玫瑰花挥发性成分的4个拓扑指数作为输入,以保留时间作为输出,建立其定量结构-色谱保留时间(Quantitative Structure Chromatographic retention Relationship,QSRR)相关模型.采用留一交叉检验和外检验相结合的方法检验模型的稳健性和预测能力.得到的留一交叉相关系数为0.986 6;外检验时,预测集的相关系数为0.992 6;而采用多元线性回归(Multiple Linear Regressions,MLR)法所得相关系数为0.954 5.结果表明,ANN模型比MLR模型有更好的拟合效果.

氯代芳烃及其衍生物定量结构-色谱保留值的相关性研究

根据分子中原子的特性和连接性,将分子中原子i的特征值定义为iQδ.由iQδ建构了修正的拓扑定位指数mQt,mQt具有很强的结构选择性,且计算简单.用逐步回归法分别建立氯代芳烃及其衍生物在不同色谱柱上(SE-30/160℃、SE-30/100℃、CW 20M/100℃、DB-5、SE-54、OV-101)的色谱保留值与mQt的QSRR相关模型,各样本总体所建模型的相关系数均在0.97(R≥0.99(54.55%),0.95≤R<0.99(45.45%))以上.结果表明:该模型能较好解释氯代芳烃及其衍生物的色谱保留值的递变规律,而且模型的相关系数高、预测能力强、可靠性和稳健性好.

霞多丽干白葡萄酒香气成分定量结构-色谱保留相关性研究

研究贺兰山东麓地区霞多丽干白葡萄酒香气成分的保留性质,在拓扑理论基础上,利用分子图形学技术获得了修正的连接性指数mX,并利用程序计算了电拓扑状态指数,基于多元回归方法获得了对霞多丽干白葡萄酒香气成分的保留时间(tR)进行预测的定量结构-保留相关模型,回归方程的相关系数为0.974。结果表明,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。

烃及其衍生物气相色谱保留指数的定量结构相关性研究

在分子拓扑理论的基础上,定义了原子的价点价δYi,由δYi构建了一个能表征含多重键、杂原子化合物的结构信息价连接性拓扑指数mZY(m=0,1,…,n).发现1ZY与烃及其衍生物的气相色谱保留指数IR有良好的相关性.与其他的指数相比较,新指数的相关性优秀,且新方法还具有计算简单,物理意义明确等优点.对新模型采用Jackknife法予以检验,具有总体稳健性.

环境毒物分子结构参数化表达与色谱保留定量性相关研究

在烷烃分子距边矢量的基础上 ,提出一种以各种非氢原子为基准的分子距离边数矢量(VMDE ;μ矢量 ) ,表征了环境有毒物二的分子结构并借助多元线性回归方法分别建立了二在非极性与极性色谱柱上的色谱保留指数或相对保留时间与其结构表征参数 μ矢量间的定量结构保留关系(QSRR)模型 .在非极性与极性色谱柱 (DB - 5 ,SP - 2 10 0 ,SE - 5 4 ,OV - 170 1)上色谱相对保留时间的QSRR模型的线性相关系数均在 0 .93以上 ,高达 0 9985。为检验模型的稳定性和预测能力 ,还进行了留一法交互校验 (crossvalidationwithleave -one -outofprocedure) ,结果优良。