苯的衍生物、液晶分子和苯乙烯聚合的構效關系的研究與分析.pdf

1、定量結構-性質相關(Quantitative Structure-Property Relationships QSPR)和定量結構-活性相關(Quantitative Structure-Activity Relationships QSAR)的研究已成為化學和環(huán)境科學研究中的一個前沿領域。 定量構效關系(QSPR/QSAR)是借助化合物的分子結構參數(shù)和數(shù)學模型描述化合物的結構與其物理化學性質或生物活性之間的定量關系。通過這些

2、數(shù)學模型，我們可以預測一些未知化合物的物理化學性質和生物活性等。 本論文從分子結構的定量描述和結構性質定量關系建立的基本理論入手，研究了QSAR/QSPR方法在化學和環(huán)境科學方面的應用。同時，著重論述了徑向基函數(shù)神經(jīng)網(wǎng)絡(Radial Basis Function Neural Networks，RBFNNs)方法建立的QSAR/QSPR模型，并對所建立的模型做了分析評價。 本論文第一章介紹了定量構效關系的概念、基本原理

3、、方法以及研究狀況。同時，詳細介紹了RBFNN算法、SVM算法和模型評價的基本原理及近年來的一些重要應用。 本論文第二章具體介紹了利用HM方法、RBFNN方法和SVM方法在化學和環(huán)境科學中的應用。簡單介紹如下： 1.應用QSAR方法研究了92個取代苯類化合物對魚的毒性。運用HM方法和RBFNN方法分別建立了這些取代苯類化合物的結構與毒性關系之間的線性和非線性模型。這兩種方法對測試集的相關系數(shù)的平方(R2)分別為0.867

4、和0.876，相應的均方根誤差(RMSE)為0.223和0.205。通過對所建模型的預測能力評估和與其它文獻結果的比較，可以看出，我們的RBFNN模型有較好的預測能力。對所選描述符進行了詳細合理的解釋，有利于發(fā)現(xiàn)毒性機理，能夠為環(huán)境評估做出新的貢獻。 2.QSPR方法用于預測42個向熱型液晶的向列轉變溫度(TN)。HM方法、RBFNN算法和SVM方法分別被用來構建這個數(shù)據(jù)集三種預測模型?；趶较蚧瘮?shù)神經(jīng)網(wǎng)絡(RBFNN)方法所

5、建立的這個最優(yōu)的QSPR模型給出的結果如下：對于訓練集的平方相關系數(shù)(R2)是0.984，對于測試集的平方相關系數(shù)(R2)是0.953，對于整個數(shù)據(jù)集的平方相關系數(shù)(R2)是0.973；對于訓練集的均方根誤差(RMSE)是2.19，對于測試集的均方根誤差(RMSE)是4.13，對于整個數(shù)據(jù)集的均方根誤差(RMSE)是2.99。通過對整個數(shù)據(jù)集的多樣性分析和所建模型的預測能力評估及與其它文獻結果的比較，可以看出，我們的RBFNN模型有很好

6、的預測能力。對所選描述符進行合理的解釋，有利于理解影響向熱型液晶的向列轉變溫度的因素。 3.應用HM方法和RBFNN方法分別建立了60℃時，90個轉變試劑對于苯乙烯聚合反應的動力學鏈轉變常數(shù)的定量結構-活性關系模型，并探討了影響苯乙烯的自由基聚合鏈轉變常數(shù)的結構因素。通過所建模型的預測能力評估和預測模型應用領域的討論及預測結果比較表明，RBFNN方法模型性能要優(yōu)于HM方法模型。討論表明，氫鍵和電荷是和60℃時苯乙烯的自由基聚合鏈