三嗪类化合物发光菌毒性QSAR研究

通过量子化学计算方法得到三嗪化合物的摩尔折射率、前线轨道能量、偶极矩、原子静电荷等参数．利用上述参数以及化合物对发光菌的毒性，建立了一个QSAR模型，并利用此模型对化合物的毒性进行了理论预测，得到了理想的结果。     

THYESS法结合QSAR分析对环境内分泌干扰性物质的筛检研究

利用THYESS法对几种典型的环境内分泌干扰物质的毒理活性进行了定量筛检，并进一步结合量子化学对被检物质作了QSAR分析．结果表明，用THYESS法筛检出的环境内分泌干扰物质存在着良好的毒活性．反应剂量关系．这种测定方法再结合量子化学的QSAR分析，有望成为获得大量环境样品中EDCs毒害数据的一种良好方法．     

取代芳烃化合物电子结构与其对发光菌毒性关系的研究

应用量子化学半经验的MNDO方法计算了40个取代芳烃化合物的电子结构，探讨了化合物电子结构与其对发光菌毒性的关系．结果表明：(1)当化合物的分子极化度P、分子体积V、疏水参数logP较大时具有较大的水溶性和脂溶性，因而化合物的毒性较大；(2)当最高占据轨道(HOMO)能级和最低空轨道(LUMO)能级较低时，化合物容易接受电子具有较大的氧化性，取代芳烃的毒性也随之增大；(3)取代基的吸电子能力越强，吸电子基个数越多，苯环的正电性越大，化合物的毒性越大．得到的QSAR方程为：-logEC50=-2．230 O．202P-0．366EHOMO，据此可预测取代芳烃化合物对发光细菌的毒性．     

人工神经网络预测含硫芳香族化合物的水解速率常数

本文利用误差反向传播（ＢＰ）的人工神经网络（ＡＮＮ）模型处理低度非线性问题。研究了含硫芳香族化合物水解速率常数与其结构及物理化学参数之间的定量结构活性相关（ＱＳＡＲ）。预测结果与实验结果符合良好，优于多元回归方法（ＭＬＲ）所得的结果。     

有机气体麻醉活性的构效关系研究

应用量子化学HF/6 31G**从头算法得到了18种有机气体的优势构象，在此基础上结合分子图形学技术，获得相应优化构象的电子结构参数和几何结构参数，并将这些参数与有机气体的麻醉活性参数相关联. 结果表明:有机气体的麻醉活性与分子范德华体积、辛醇／水分配系数和分子最高占用轨道能的相关性较好，成功地建立了18种有机气体的构效关系式.     

羟肟酸浮选分离选择性的定量构效关系

采用定量构效关系方法和遗传算法对13种芳烷基羟肟酸类捕收剂的锡石-萤石浮选分离选择性指数进行了定量构效关系研究,旨在预测羟肟酸捕收剂对锡石-萤石浮选分离的选择性能.采用快速分子描述符和量子化学描述符建立了两种选择性指数的二元因子模型,选择性指数1的模型5和选择性指数2的模型6的相关系数R2分别为0.868和0.796,R2cv分别为0.779和0.590.使用留一法对两模型进行内部验证的相关系数R2分别为0.785和0.615,使用测试集对两模型进行外部验证,所得两模型的平均预测绝对误差分别为0.095和1.939.指数1模型具有真实有效性和较好的预测能力,能够有效预测羟肟酸的选择性.     

苯衍生物急性毒性与分子结构的定量相关研究

苯衍生物是一类重要的有机污染物之一,研究苯衍生物的毒性与分子结构之间的关系具有重要意义.用Dragon计算了69个苯衍生物的一系列分子结构参数,通过逐步回归分析,选择了醇/水分配系数(MlogP)、Balaban指数(Jhete)、Barysz矩阵特征值之和(SEigZ)及指示变量(I)等4个结构参数对苯衍生物致呆鲦鱼的急性毒性(-logLC50)建立多元线性回归模型,得到R=0.997 7,s=0.30;交叉验证结果为Rcv=0.909 0,scv=0.33.与文献结果比较,建立的QSAR模型所用参数少,建模方法简单,物理意义明确,且模型性能优于文献报道结果.     

1.3—二氧戊环—咪唑新型杀菌剂的合成和定量构效关系的研究

本文合成了十二个1—[2—(2.4—二氯苯基)—4—甲醇—1.3—二氧戊环—2—基甲基]—1H—咪唑类新衍生物,在(口恶)环4位上为甲氧羰基(甲氧磺酰基)。从这十二个化合物中选取有生物活性的九个化合物,回归得到 QSAR 方程:log(1/EC_(50)=-1.248+0.00149logp+0.2048(10gp)~2N=9 r=0.886 s=0.258 F=11.0该方程表明:1.3—二氧戊环—咪唑类化合物对棉花炭疽病菌抑菌活性只取决于疏水性参数 logp,通过该方程能够预测系列化合物生物活性。     

3-D QSAR study on a set of nitroaromatic compounds

The 3-D relationships between the structures of 25 nitroaromatic compounds and their toxicities have been investigated using the comparative molecular field analysis (CoMFA) method, and a 3-D QSAR model with considerable prediction ability is obtained. In comparison with traditional 2-D techniques, CoMFA helps to give a better interpretation of toxic mechanism of tested compounds.     

Bioaccumulation processes in ecosystems

The fate of environmental pollutants — the various isotopes of elements, and inorganic or organic compounds — is a fundamental aspect of ecology and ecotoxicology, and bioaccumulation is a phenomenon often discussed in this context. Human activities have drastically altered natural concentrations of many substances in the environment and added numerous new chemicals. An understanding of the processes of bioaccumulation is important for several reasons. 1) Bioaccumulation in organisms may enhance the persistence of industrial chemicals in the ecosystem as a whole, since they can be fixed in the tissues of organisms. 2) Stored chemicals are not exposed to direct physical, chemical, or biochemical degradation. 3) Stored chemicals can directly affect an individual's health. 4) Predators of those organisms that have bioaccumulated harmful substances may be endangered by food chain effects. While former theories on the processes of bioaccumulation focused on single aspects that affect the extent of accumulation (such as the trophic level within the food chain or the lipophilicity of the chemical), modern theories are based on compartmental kinetics and the integration of various environmental interactions. Concepts include results from quantitative structure-activity relationships (QSAR), pharmacokinetics, ecophysiology and general biology, molecular genetic aspects and selection, and finally the structure of communities and man-made alterations in them.