基于量化参数脂肪醇沸点QSPR研究.pdfVIP

基于量化参数的脂肪醇沸点QSPR研究 张运陶 范 磊 (西华师范大学应用化学研究所，四川南充 637002 ) 摘要：应用HyperChem7.0计算与脂肪醇沸点相关的结构参数对 119 种脂肪醇的沸点做定量结构性质 关系(QSPR)研究。在逐步回归算法筛选出影响脂肪醇沸点的分子偶极矩 μ、分子最高占有轨道能 EHOMO 、分子最低空轨道能ELUMO 、分子范德华表面积Sg、摩尔折射率Rm、极化率 α、分子质量M和 疏水参数logP 8 个主要结构参数的基础上，采用 ε-支持向量机、多元线性回归，以及径向基函数 神经网络算法，通过留一法交叉验证建立脂肪醇沸点的QSPR预测模型，3 种模型中 ε-支持向量机、 多元线性回归和径向基函数神经网络模型留一法预测结果的相关系数R分别为 0.993、0.988、0.987 ， 标准偏差s则分别为 4.774 、6.501、6.724，表明 ε-支持向量机模型具有最好的预测效果。 关键词：量子化学参数，脂肪醇，沸点，定量结构性质关系，ε-支持向量机 中图分类号：O623 文献标识码：A 物质的定量结构-活性/性质关系(quantitative structure activity relationships /quantitative structure property relationships ,QSAR/QSPR)研究是在一系列化合物的结构及生物活性和物化性质之间建立起 数量上的依赖关系(数学模型),借以指导新化合物的合成及预测未知物的生物活性和物理化学性质。 结构性能关系的研究方法中应用较多的主要有拓扑指数法和基团贡献法[1,2] 。近年来，随着计算机技 术和量子化学方法的不断发展，尤其是各种量子化学计算软件的计算功能不断增强，使得量子化学 计算更加简单方便，将量子化学计算获得的结构参数用于QSAR/QSPR研究，已经越来越受到人们的 [3-5] 关注并有越来越多的应用 。 本文应用HyperChem7.0 计算与脂肪醇沸点相关的结构参数，对脂肪醇沸点做QSPR研究。在用 逐步回归(Stepwise Regression)算法[6]筛选出影响脂肪醇沸点的主要结构参数的基础上，采用支持向 量机(Support Vector Machine, SVM)、多元线性回归(Multiple Linear Regression, MLR) 以及径向基函数 神经网络(Radial Basis Function Neural Networks，RBFNN)算法，通过交叉验证（cross-validition ）建 [7,8] 立QSPR预测模型，得到比较满意的结果 。 1 量化参数的选取和计算 脂肪醇属于极性分子化合物，决定脂肪醇沸点的因素主要是分子之间的作用力，此外，由于其 分子中存在醇羟基（OH），氢键的影响也需要考虑。因此，需要进行量子化学计算获得的结构参数应 该包括与分子间的作用力和氢键力相关的结构参数。 选择与脂肪醇分子间作用力和氢键力相关的羟基氧原子上的电荷Qo、分子的偶极矩 μ、分子最 高占有轨道能EHOMO 、分子最低空轨道能ELUMO 、分子范德华表面积Sa和Sg、摩尔折射率Rm、极化率 α、分子质量M、疏水参数logP 10 个变量，作为对脂肪醇的沸点做QSPR研究的结构参数，采用 HyperChem7.0[9]软件分别计算各参数值。计算时首先采用分子力学方法MM+对脂肪醇分子进行几何构 型优化，在MM+方法优化构型的基础上，再用半经验AM1 方法对这些分子进行较精确几何优化，得到 优势构象，然后在此基础上计算得到结果。所选 10 个变量中，Qo反映羟基氧原子上的电荷多少；μ 是分子极性大小的量度；EHOMO与分子电离势相关, 其值越高，分子越易于给出电子；ELUMO与分子 对电子的亲合势相关,其值越低，分子越易于接受电子；Sa和Sg反映分子的空间形状和分子的体积大 小；α和Rm都反映分子中电荷分布变形的情况；分子的质量M也与分子的大小相关联；logP为宏观疏 水性参数，它可以反映分子的极性，对醇分子来说，其大小与脂肪醇分子的大小和空间结构相关。 本文对 119 种脂肪醇做量子化学计算，以计算获得的上述 10 个变量和脂肪