碳13数据库与结构解析——嘧啶和喹啉类化合物碳13化学位移模拟.pdfVIP

碳一13数据库与结构解析 ——嘧啶和喹啉类化合物碳一13化学位移模拟’ 齐玉华许禄” 王淑云胡建强 (中国科学院长春应用化学研究所．长春130022) 摘要本文运用多元回归分析和人工神经网法对18个嘧啶和喹啉类化合物的 118个化学位移进行计算机模拟，并应用碳原子的空间和电子结构特征来表征 其所处的化学环境，从而获得了比较好的相关模型。波谱模拟技术对辅助有机 化合物结构解析和化学位移的确认是十分有用的工具。 关键谒”CNMR模拟嘧啶类化合物喹啉类化合物多元回归人工神经 网络 碳一13核磁共振波谱(”CNMR)是有机化合物结构解析的一种特别有用的工具。 由于化合物谱图的复杂性，人们采取了各种辅助方法进行未知谱的解析。”cNMR模拟 就是从化合物的结构信息得到其模拟谱。我们将模拟谱用于结构解析专家系统中候选化 合物的验证和13CNMR谱图库的辅助检索。波谱模拟方法大体可归为三类：①官能团贡 献法；②数据库检索；③经验数学模型法…1。 为研究嘧啶和喹啉类化合物的碳原子的化学位移，本文在提取碳原子的空间和电子 特征作为结构参数的基础上，应用最优子变量集算法进行变量压缩后，运用多元回归分 析和人工神经网络法进行计算机模拟，构造了比较满意的数学模型。 一、方法 1．多元回归分析 多元回归方法[2】2通过在结构参数与化学位移值之间构造关联模型以达到模拟未知 碳原子化学位移的目的。其线性方程式如下所示： H S=bo+∑6≯f (1) 式中，S是中心碳原子的化学位移，毛代表中心碳原子所处的化学环境特征变量， b，是多元回归分析系数，雄代表模型中的特征变量个数。 相关模型的构造需要一组有代表性的碳原子和相应的化学位移值。为使计算的模型 具有较高的精确度，必须满足两个条件：①用来构造模型的化学位移值必须准确，并且 ·国家自然科学基金资助项目。 ··通讯联系人。 ·232· 位移的测定必须是正确的。②构造模型的碳原子所处的化学环境必须和所要预测的碳原 子的化学环境相类似。预测的化学位移是用内推法得到而不是外推法。如果上述条件都 满足了，所预测的化学位移值就比较可信‘31。 2．人工神经网络 作为具有自适应和自学习功能的人工神经网络。在很多领域都得到了广泛应用。本 J收敛速 度快，不需要设定训练速率或选择参数要素，并且计算结果比较好。我们曾应用该种算 法对硼酸盐类化合物的发光性能进行了模式识别，其结果优于常规模式识别方法[51；另 外，我们也曾将此算法应用到卤代化合物的碳一13化学位移的模拟上【6】6，均取得了优于 多元回归方法的结果。 二、实验部分 1．化合物选取 嘧啶和喹啉类化合物作为广泛使用的生物碱类物质，在生物领域具有重要的地位。 为此，选取了18个嘧啶和喹啉类化合物的118个化学位移进行实验(表1)，其中包含9 个嘧啶类化合物，9个喹啉类化合物。其化学位移值参见文献【7|。 本研究中所使用的程序均由本实验室的多元统计分析软件包所提供，算法语言为 FORTRAN 77，运行机器为Indigo。 表l 18个嘧啶和喹啉类化合物 序号 化合物 序号 化合物 1 嘧啶 10 喹啉 2 2一甲基嘧啶 11 2一甲基喹啉 3 3一甲基嘧啶 12 3一甲基喹啉 4 4一甲基嘧啶