一种新拓扑指数X用于烯烃的QSAR研究

摘要有机化合物在水中的溶解度(S w)及辛醇/水分配系数(K ow)是描述其在环境行为中的重要参数，也是药物学领域评价药物活性的重要参数之一。

由于实验条件的制约，精确地测定每一个化合物的S w和K ow较为困难，这就促使人们致力于用简便易行的方法估算它们的数值。

目前，定量构效关系以其取值客观、方法简便、结果精确等优点被广泛应用于当今生命化学、环境化学、医药化学等学科研究中的前沿领域[2]。

通过拓扑学中分子价连接指数、从头算方法和密度泛函理论方法研究了脂肪醇分子结构与S w和K ow的相关性。

在6-311G*基组下，使用Gaussian03软件对63种脂肪醇化合物进行几何构型优化。

利用SPSS11.5统计软件，将优化后所得的量化参数进行多元线性回归和多元逐步回归，得到S w和K ow与参数之间的QSPR方程。

经过残差分析等模型检验的进一步优化之后，结果表明，所建立QSPR模型的线性相关系数均在0.96以上，属于高度相关。

可用于预测有类似结构且无实验值的脂肪醇化合物，从而掌握它们在环境行为方面的重要信息。

关键词: 脂肪醇, QSPR, 回归分析, 分子价连接指数AbstractS W and K OW of the organic compound are the important parameters to describe its environmental behaviour, and both are the important parameters to appraise the activeness of the drug as well. Because of the limitation of the experiment conditions, it’s quite difficult to mensurate S W and K OW of each compound accurately. Thus, people commit themselves to evaluate the numerical value in a simply way. At present, for its impersonatlity, simple and accuracy, QSAR is widely used in the foreland of life chemistry, environment chemistry, medicine chemistry and so on.The relationship between molecule structure and S W & K OW is studied through the molecule valence connectivity index in topological study, ab initio and density functional theory, Under the group of 6-311G, the geometry models of the 63 kinds of fatty alcohol compound are optimized by Gaussian 03. Using SPSS11.5, the QSPR equation between S W & K OW and the parameters is obtained after multiple linear regression and multiple stepwise regression on optimized quantization parameters. The result indicates, after the further optimation, the linear correlation coefficients of QSPR model are above 0.96, which are high correlation. The method can be used in the fatty acohol compounds, which have similar structures but without experimental data, to grasp the significant informations on its environmental behaviour.Key words: Fatty acohol, QSPR, regression analysis, molecule connectivity index目录第一章前言 (1)1.1脂肪醇相关介绍 (1)1.2 QSPR概述 (2)1.3 QSPR的研究方法 (3)1.3.1分子拓扑法 (5)1.3.2量子化学法 (5)1.4 QSPR研究中的量子化学方法 (6)1.4.1从头计算法(Ab initio) (6)1.4.2密度泛函理论(Density Functional Theory，DFT) (6)1.5立题的目的和意义 (7)第二章理论研究方法 (9)2.1拓扑法 (9)2.2量子化学方法 (11)2.2.1量子化学参数 (11)2.2.2量化参数的计算 (12)2.3统计原理 (12)2.3.1回归方法 (12)2.3.2 模型的验证方法 (13)第三章结果与讨论 (16)3.1研究对象 (16)3.2 分子连接指数法 (22)3.2.1变量代换 (22)3.2.2多元线性回归 (25)3.2.2 QSPR模型稳定性检验 (27)3.3 MP2方法下模型建立 (31)3.3.1变量代换 (32)3.3.2逐步进入法 (38)3.3.3 QSPR模型检验 (38)第四章结论 (44)参考文献 (46)致谢 (48)声明 (49)第一章前言1.1脂肪醇相关介绍1.1.1理化性质参数：水溶解度和正辛醇/水分配系数某种物质的水溶解度(S w)定义为：在一定温度下，该物质溶解在纯水中的最大数量；正辛醇/水分配系数(K ow)定义为：分配平衡时某一有机化合物在正辛醇相中的浓度与其在水相中非离解形式浓度的比值。

LogP,LogD对有机化合物的QSAR的研究摘要：自从20世纪60年代QSAR/QSPR研究兴起以来, 人们研究有机化合物的脂水分配系数和溶解度的计算方法已经有近半个世纪. 目前存在众多方法用于计算有机化合物的脂水分配系数和溶解度. 相对而言, 脂水分配系数的计算方法更为成熟一些, 应用范围更广, 效果也更好.关键词：脂水分配系数; logP/logD; QSAR1.基本概念1.1 脂水分配系数的定义有机化合物的脂水分配系数(P)通常是指化合物在正辛醇和水两相间的分配系数, 以其对数值来表示其大小，标记为其中Coct 和Cw分别为化合物在正辛醇和水两相间达到平衡时的浓度. logP在许多QSAR研究中都是用于衡量有机化合物疏水性的重要参数. 当今各大制药公司都已经将logP列为活性化合物必测的标准参数之一. 通常P给出的是中性化合物在两相间的分配系数. 对于可电离的化合物, 情况则变得相当复杂, 这时使用分配率D(distributionrate)来表示溶质在两相间总的分配系数. 例如, 对于可电离的溶质HA可有:其中[HA], [A-]分别代表溶质的中性状态和离子状态的浓度. D是与溶质的酸碱解离常数pKa 以及溶液的pH值相关的参数. 假设溶质HA 是仅在水相电离的一元酸, 则有:然而, 如果溶质分子含有不止一个电离中心而且在正辛醇相中也是可以电离的, 此时溶质在溶液中的存在形式就变得相当复杂, 像公式(4)这样的简单关系就已经不再成立. 对于含多个可电离基团的复杂溶质分子, D的具体表达式可描述为:这里表示溶质在溶液中的第i 种离子形式, 根据电离平衡关系, 其在两相间的浓度与溶液pH值以及可电离基团的pKa 都密切相关.1.2、QSAR研究的兴起有机化合物的定量结构一活性相关(Quantitative Structure—Activity Relationship)最初是作为定量药物设计的一个研究分支领域而发展起来的。

键参数拓扑指数与氢酸强度的关系
金建华
【期刊名称】《青海民族大学学报（教育科学版）》
【年(卷),期】2007(027)005
【摘要】从分子的键参数拓扑指数一般形式出发,根据构成氢酸元素原子的共价半径,价电子轨道能级定义了一个新的键参数拓扑指数HmR,用于关联氢酸强度性质,得到了良好的线性相关性.
【总页数】2页(P93-94)
【作者】金建华
【作者单位】青海民族学院,化学系,青海,西宁,810007
【正文语种】中文
【中图分类】O641
【相关文献】
1.键参数拓扑指数与镧系元素理化性质的相关性研究 [J], 金建华
2.用于氢酸强度性质研究的新的键参数拓扑指数 [J], 冯静
3.脂肪胺物化性质与键参数拓扑指数的研究 [J], 杨占寿
4.键参数拓扑指数与碱金属卤化物的晶格能及标准生成焓的相关性 [J], 王杏芳
5.镧系元素键参数拓扑指数的算法改进 [J], 杨寒彪; 杨琳
因版权原因，仅展示原文概要，查看原文内容请购买。

基于原子类型电拓扑状态指数的 QSPR 模型预测链烷烃辛烷值仇爱波;周如金;邱松山;曾兴业【摘要】为了研究化合物结构与其辛烷值之间的相关性，以原子类型电拓扑状态指数作为描述符表征分子的结构特征，从40个样本中选取30种链烷烃作为训练集，对研究法辛烷值选取8个作为测试集，对马达法辛烷值选取7个作为预测集，利用SPSS 软件进行多元线性回归，建立了辛烷值的定量结构-性质关系。

得到的研究法辛烷值和马达法辛烷值预测模型复相关系数分别为0.965、0.955和均方根误差分别为5.4338、4.9404，并对模型进行内部和外部验证。

结果表明，该模型具有较好的稳定性及预测能力。

%In order to study the structure-octane number relationship of compounds, atom-type electrotopological state indices were used as molecular structure descriptors. The dataset of 40 paraffins was randomly divided into a training set containing 30 paraffins,a testing set consisting of 8 paraffins for research octane number and a testing set with 7 paraffins for motor octane number. SPSS software was employed to process multiple linear regression. A prediction model based on quantitative structure-property relationship (QSPR) studies was proposed, and the correlation coefficient and root-mean-square error of the model were 0.965 and 5.4338 for RON, 0.955 and 4.9404 for MON, respectively. Both internal and external validations were performed to validate the performances of the resulting model. The results showed that the model has good stability and prediction ability.【期刊名称】《天然气化工》【年(卷),期】2014(000)005【总页数】4页(P52-55)【关键词】链烷烃;辛烷值;定量结构-性质关系;电拓扑状态指数;多元线性回归【作者】仇爱波;周如金;邱松山;曾兴业【作者单位】广东石油化工学院，广东茂名 525000; 江苏科技大学生物与化学工程学院，江苏镇江 212003;广东石油化工学院，广东茂名 525000;广东石油化工学院，广东茂名 525000;广东石油化工学院，广东茂名 525000【正文语种】中文【中图分类】TQ015汽油辛烷值是衡量汽油性能及抗爆震能力的最重要指标。

计算机辅助药物设计中的Q SPR,Q SAR和Q SMR研究徐　娟,王　林编译(军事医学科学院放射医学研究所,北京　100850)摘要:计算机辅助药物设计是以计算机为工具,采用各种理论计算方法和分子模建技术,根据累积的大量结构和功能信息,设计出具有一定药效的新分子。

本文简要介绍基于结构与性质的药物设计,以及定量参数、Hansch模型、Free2Wils on模型、神经网络、定量结构2性质关系、定量构效关系、定量结构2代谢关系等内容。

关键词:计算机辅助药物设计;定量结构2性质关系;定量构效关系;定量结构2代谢关系中图分类号:R914.2　文献标识码:A　文章编号:100120971(2003)0320135204 发现和开发一个新的化学实体(NCE)并使之作为新药推向市场是一个漫长、费力且昂贵的过程,因为发现具有良好活性、选择性、稳定性和安全性的新化合物的几率很低。

根据目前估计,在30000个合成化合物中,2000个可进入临床前研究,200个可进入Ⅰ期临床试验,40个可进入Ⅱ期临床试验,12个可进入Ⅲ期临床试验,8个可被批准,仅有1个在投资上具有良好效益。

因此,制药工业和药物开发需要创新。

计算机辅助药物设计(C ADD)利用了配体与受体间相互作用原理,可提高新药开发效率,缩短新药开发进程。

运用计算机进行定量结构2性质关系(QSPR)、定量构效关系(QS AR)和定量结构2代谢关系(QS MR)等的研究,可以快速筛选目标化合物,从而有效节省因化学合成和体内外实验而耗费的大量时间及资金。

1　计算机辅助药物设计1.1　基于结构的药物设计众多蛋白的三维结构是已知的,可作为药物靶标。

运用计算机将这些靶标的结构与潜在的药物分子进行比较,可描述其可能的相互作用。

确定配体2受体复合物结构,寻找所需化学结构和性质的先导化合物,然后检测其活性即为基于结构的药物设计。

1.2　基于性质的药物设计寻找一个能选择性与靶标高亲和力结合的化合物,并使其成为一个成功的药物很困难。

第三十二讲类系化合物构效关系研究案例分析徐静安;贺少鸱;商照聪【期刊名称】《上海化工》【年(卷),期】2018(043)012【总页数】5页(P12-16)【作者】徐静安;贺少鸱;商照聪【作者单位】;;【正文语种】中文多年来参与一些项目的评审，研究生论文的答辩，相关专业文献的查阅等，笔者感受到随着计算机软硬件技术的发展，20世纪80年代以来，化合物的定量结构-活性/性质相关性（简称构效关系，英文缩写QSAR/QSPR）逐渐成为研究的热点。

2018年2月7日上午，笔者应邀参加在华谊集团大厦举办的煤基多联产工程中心和计算化学化工工程中心技术委员会的年度会议，会上，计算化学也受到了工程界的重视。

上海化工研究院科研工作也进行了相应的安排、探索。

2006级硕士研究生贺少鹏，其学位论文“有机污染物的正辛醇/水分配系数预测及QSPR研究”，导师是徐大刚、刘刚二位教授级高工。

笔者作为研究生办公室顾问一直跟踪项目和参与讨论。

2009年3月笔者还从贺少鹏处借阅《化学计量学方法》，阅读后2011年网购了几本赠与有关专业人员学习、应用。

2012年又阅读了商照聪、贺少鹏的论文“有机污染物分配系数（正辛醇/水）预测软件比较研究”。

2013年院部采购了IBM高性能小型机；2014年，购置了DPS软件，还和上海应用技术大学共建共享配置了VASP软件；2015年院部购置了Gaussian软件。

此外，研究院还在2013年和2014年针对性地招聘了量子化学软件应用的专业人员。

在材料、生物、环境等科学领域，构效关系研究在宏观、介观及微观层面展开，本文讨论的是分子尺度的化合物构效关系。

一、建立构效关系模型的主要步骤根据《有机污染化学》（王连生编著），建立QSPR/QSAR模型的主要步骤见图1。

具体如下：1 训练集化合物的选择图1 建立QSAR/QSPR模型的主要步骤根据一定的统计标准和结构标准选择类系化合物，作为建模的训练集。

化合物选择的条件为：统计上的随机性、结构上的代表性和全面性，以及性质/活性数据的可获得性。