一种预测多环芳烃化合物正辛醇/水分配系数的方法技术

研究发现，多环芳烃的致癌活性与分配系数之间有着重要的关系，多环芳烃化合物的正辛醇/水分配系数对研究多环芳烃的环境行为及生物活性具有重要意义。从理论上讲，实验室直接测定多环芳烃分配系数是最为有效的，但由于各种原因，测定其分配系数相当困难。为了克服传统方法的缺点，本专利利用第一性原理密度泛函理论方法，全优化计算了60个多环芳烃的分子，得到3个量子化学的分子描述符的基础数据，然后对这些基础数据进行映射转化得到其中间数据，基于中间数据利用人工神经网络方法建立多环芳烃正辛醇/水分配系数与量子化学分子描述符间的构效关系模型，最后用建立的模型，预报了新收集的5个多环芳烃的正辛醇/水分配系数。了新收集的5个多环芳烃的正辛醇/水分配系数。了新收集的5个多环芳烃的正辛醇/水分配系数。

【技术实现步骤摘要】
一种预测多环芳烃化合物正辛醇/水分配系数的方法


[0001]本专利技术涉及多环芳烃化理化性质的预测，特别是一种预测多环芳烃化合物正辛醇/水分配系数的方法。

技术介绍

[0002]多环芳烃是指两个以上苯环以稠环形式相连的化合物，是一类广泛存在于环境中的有机污染物。多环芳烃由于苯环上的氢原子可以被不同的基团取代而形成数以千计的不同化合物，也是数量最多的一类环境致癌物质，在多达1000 多种致癌物质中，多环芳烃占1/3以上。研究发现，多环芳烃的致癌活性与分配系数之间有着重要的关系，还有不少工作证明了多环芳烃在水中的溶解度、土壤沉积吸附系数及生物富集因子与其分配系数之间存在良好的线性关系。研究表明多环芳烃化合物的正辛醇/水分配系数对研究多环芳烃的环境行为及生物活性具有重要意义。从理论上讲，实验室直接测定多环芳烃分配系数是最为有效的，然而，由于各种原因，如多环芳烃的水溶性极低，脂溶性极强，测定其分配系数相当困难，实验值并非总可以得到，这就使得预测分配系数变得非常有用。近年来，有关多环芳烃的构效关系研究也越来越多。这些研究大多以传统的化学计量学方法，如多元线性回归、偏最小二乘回归等为建模工具，以半经验方法计算的结构参数为分子描述符来建立多环芳烃理化性质的构效关系模型，这些半经验方法的结果的准确性偏低，结果的可解释性也比较差。近年来，量子化学方法能更加详细和精确的描述电子及其相互作用，并从理论上表征分子和分子间相互作用的电子和几何特性，而且量子化学参数还具有明确的物理意义，因此更多的研究将量子化学参数引入构效关系建模过程中。本专利利用第一性原理密度泛函理论方法，全优化计算了多个多环芳烃的分子，得到量子化学的分子描述符的基础数据，然后对这些基础数据进行映射组合得到其中间数据，基于中间数据利用人工神经网络方法建立多环芳烃正辛醇/水分配系数与量子化学分子描述符间的构效关系模型，最后用建立的构效关系模型，预报收集新的多环芳烃的正辛醇/水分配系数。

技术实现思路

[0003]本专利技术的目的是为了克服现有技术存在的缺陷，提供一种预测多环芳烃化合物正辛醇/水分配系数的方法。其过程利用计算机技术实现，避免化学实验，节约了时间和成本。
[0004]本专利技术的目的可以通过如下的技术方案实现：一种预测多环芳烃化合物正辛醇/水分配系数的方法，包括如下步骤：1)从文献中查找到多个多环芳烃化合物及其对应的正辛醇/水分配系数数据，利用量子化学计算得到3个量子化学的分子描述符；2)对这3个量子化学的分子描述符进行映射转化；3)基于映射转化后的数据，利用人工神经网络算计建立多环芳烃化合物的正辛醇/水分配系数定量预报模型；4)收集多个新的多环芳烃化合物，利用量子化学计算得到3个量子化学的分子描
述符，并将这3个分子描述符代入映射转化方程，再将转化后的数据代入正辛醇/水分配系数预测的人工神经网络模型，预测出这些新的多环芳烃化合物的正辛醇/水分配系数。
[0005]本专利技术与现有技术比，具有以下优点：1.本专利技术整个过程都可以通过计算机实现，节约时间，避免了实验，大大降低了成本。
[0006]2.苯专利技术整个操作过程简单，通过简单的培训，一人便可完成。
[0007]3.本专利技术整个过程不涉及实验及化学品，不产生环境污染，符合绿色环保理念。
附图说明
[0008]图1为多环芳烃正辛醇/水分配系数人工神经网络预测模型的建模结果图。
[0009]图2为多环芳烃正辛醇/水分配系数人工神经网络预测模型的留一法内部交叉验证结果图。
具体实施方式
[0010]以下结合具体的实施例子对本专利技术进行详细的说明，包括如下步骤：(1)从文献中查找到60个多环芳烃化合物及其对应的正辛醇/水分配系数数据，使用Gaussian 03软件包及DFT
‑
B3LYP/6
‑
311G**方法对多环芳烃实施分子几何最优化计算。经振动频率分析，所得稳定结构无虚频，达到对应于势能面上的极小点后，通过量子化学计算得到3个量子化学的分子描述符，这样由3个量子化学的分子描述符和60个环芳烃化合物正辛醇/水分配系数构成了60*3基础数据。部分基础示例数据如表1所示。
[0011]表1.部分基础数据(2)对这3个量子化学的分子描述符进行映射转化，得到60*3中间数据。映射转化方程如下：
Y1＝
‑
1.116[μ]+1.633E
‑
2[α]‑
21.975[Q
P
]‑
0.206Y2＝+1.690[μ]+1.490E
‑
2[α]+29.717[Q
P
]‑
6.649Y3＝
‑
2.411[μ]+2.197E
‑
3[α]+42.661[Q
P
]‑
4.498部分中间数据如表2所示。
[0012]表2.部分中间数据表2.部分中间数据(3)基于映射转化后的方程，利用人工神经网络算法建立多环芳烃化合物的正辛醇/水分配系数定量预报模型。人工神经网络算法为输入层为3，隐含层为2，输出层为1的结构。
[0013](4)收集5个新的多环芳烃化合物，利用量子化学计算得到3个量子化学的分子描述符，并将这3个参数代入映照转化方程，再将转化后的数据代入正辛醇/水分配系数预测的人工神经网络模型，预测出这5个新的多环芳烃化合物的正辛醇/水分配系数。
[0014]实施例1：基于60个多环芳烃的3个量子化学的分子描述符，建立的多环芳烃化合物正辛醇/水分配系数的人工神经网络构效关系预报模型，其建模结果如图1所示。
[0015]图1为建模结果利用支持人工神经网络算法对60个多环芳烃样本数据进行回归建模，建立多环芳烃正辛醇/水分配系数的定量预报模型，模型预报值与文献真实值的相关系数为0.97。
[0016]实施例2：基于60个多环芳烃的3个量子化学的分子描述符，建立的多环芳烃化合物正辛醇/水分配系数的人工神经网络构效关系预报模型，该模型留一法内部交叉验证结果如图2所示。
[0017]图2为留一法内部交叉验证结果利用支持人工神经网络算法对60个多环芳烃样本数据进行回归建模，建立多环芳烃正辛醇/水分配系数的定量预报模型，该模型的内部交叉验证结果，模型预报值与文献真实值的相关系数为0.95。
[0018]实施例3：收集新的5个多环芳烃化合物，其3个量子化学的分子描述符，映射转化后数据，及其正辛醇/水分配系数预报结果如表3所示。
[0019]表3预报结果表3预报结果
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种预测多环芳烃化合物正辛醇/水分配系数的方法，包括如下步骤：1）从文献中查找到多个多环芳烃化合物及其对应的正辛醇/水分配系数数据，利用量子化学计算得到3个量子化学的分子描述符；2）对这3个量子化学的分子描述符进行映射转化；3）基于映射转化后的方程，利用人工神经网络算计建立多环芳烃化合物的正辛醇/水分配系数定量预报模型；4）收集多个新的多环芳烃化合物，利用量子化学计算得到3个量子化学的分子描述符，并将这3个分子描述符代入映射转化方程，再将转化后的数据代入正辛醇/水分配系数预测的人工神经网络模型，预测出这些新的多环芳烃化合物的正辛醇/水分配系数。2.根据权利要求1所述的一种预测多环芳烃化合物正辛醇/水分配系数的方法，所述...

【专利技术属性】
技术研发人员：刘振昌，刘太行，刘太昂，周央，周晶晶，朱峰，吴治富，刘婷婷，朱鲁阳，刘远，
申请(专利权)人：上海帆阳信息科技有限公司，
类型：发明
国别省市：