持久性有機污染物環(huán)境分配性質(zhì)的QSPR研究.pdf

1、持久性有機污染物(POPs)是一類能持久存在于環(huán)境中，通過食物鏈積累，對人類健康及環(huán)境造成有害影響的化學(xué)物質(zhì)。POPs大多數(shù)是低水溶解度和高脂溶性的鹵化物，同時也是半揮發(fā)性的物質(zhì)，能夠蒸發(fā)或被吸附到大氣顆粒物中，因此，它們能夠在空氣和水中經(jīng)歷長距離的遷移。定量結(jié)構(gòu)-性質(zhì)相關(guān)(QSPR)是一個涵蓋了化學(xué)、生物、數(shù)學(xué)、計算機等多門科學(xué)的交叉學(xué)科點，是國際上十分活躍的前沿領(lǐng)域，已經(jīng)成為對有機污染物進行生態(tài)風(fēng)險評價的一個重要手段，它可以用于預(yù)測

2、有機污染物在環(huán)境中的遷移、轉(zhuǎn)化和分布等行為。在有機污染物的QSPR研究中，量子化學(xué)計算是獲得分子結(jié)構(gòu)參數(shù)的重要方法。 本文將支持向量機(Support Vector Machine，SVM)，一種特別適合用有限已知樣本訓(xùn)練建模，進而預(yù)報未知樣本屬性的模式識別新算法應(yīng)用于三種不同體系中，均得到了較好的預(yù)報結(jié)果。由于支持向量機算法的數(shù)學(xué)理論非常嚴格，同時考慮到擬合精度和對過擬合的抑制，故能基于小樣本集作較可靠的計算機預(yù)報。對所選三

3、種體系的數(shù)據(jù)處理結(jié)果充分說明了支持向量機算法的優(yōu)點和廣泛的應(yīng)用前景。本文主要的研究內(nèi)容如下： 第一部分采用支持向量機回歸(SVR)方法研究了139個多環(huán)芳烴的定量構(gòu)效關(guān)系。首先利用不同的化學(xué)軟件計算了52個芳烴分子的描述符，然后用mRMR-GA-SVR(最小冗余最大相關(guān)法-遺傳算法-支持向量回歸方法的組合)特征篩選方法得到8個較佳的分子描述符，再用5重交叉驗證方法得到優(yōu)化的SVR模型參數(shù)，最后使用支持向量回歸(SVR)算法建立

4、PAHs若干物性(包括沸點bp、正辛醇/水分配系數(shù)logKow、色譜保留指數(shù)RI)與經(jīng)優(yōu)化組合的量子化學(xué)參數(shù)間的QSPR回歸模型。多環(huán)芳烴bp、logKow和RI的SVR模型對訓(xùn)練集(樣本數(shù)分別為45、52和90)和測試集(樣本數(shù)分別為12、13和23)擬合和預(yù)測的R2(分別為0.997、0.971和0.950)和q2(分別為0.999、0.924和0.947)值較大。結(jié)果表明：SVR方法可以建立PAHs若干物性的較佳的QSPR模型，并

5、有滿意的預(yù)測結(jié)果。 第二部分采用支持向量機回歸(SVR)方法和多元線性回歸(MLR)、偏最小二乘(PLS)及逆?zhèn)鞑ト斯ど窠?jīng)網(wǎng)絡(luò)(BP-ANN)研究了47個麻醉藥毒性pEC50的定量構(gòu)效關(guān)系。從若干量子化學(xué)計算參數(shù)中篩選出能夠有效建模的分子描述符?；凇傲?法交叉驗證”方法所得SVR、MLR、PLS和BP-ANN模型的根均方差分別為0.357、0.385、0.392和0.466。結(jié)果表明，所建SVR模型的預(yù)報精度高于MLR、PL

6、S和BP-ANN方法所得的結(jié)果。SVR方法可望成為結(jié)構(gòu)毒性關(guān)系研究領(lǐng)域中有用的化學(xué)計量學(xué)工具。第三部分建立了417鹵代烴的沸點bp與分子結(jié)構(gòu)特征參數(shù)之間的定量關(guān)系(QSPR模型)。用不同的化學(xué)軟件計算了340個鹵代烴的分子描述符，最小冗余最大相關(guān)法(The minimum Redundancy Maximum Relevance，mRMR)-支持向量回歸方法(SVR)用于選擇包含最大信息量的描述符集，并用SVR算法建立了鹵代烴沸點的QS