酯类化合物保留指数与分子连接性指数相关性研究

在Randic分子连接性指数的基础上,结合酯类化合物的结构特点,构建了分子连接性指数mG,该指数具有优异的结构选择性。用其1阶指数1G与酯类化合物保留指数值相关联,拟合得到线性回归方程,相关系数都大于0.99,预测取得了较好的结果。     

烯烃气相色谱保留指数的预测

通过对部分烯烃在不同固定相不同柱温下的1031个样本集的气相色谱保留指数值(RI)与其部分参数关系的研究,发现RI与拓扑指数(mQ)、双键原子杂化状态指数(DHSI)、支链对双键的极化效应指数(PBD)、固定液极性值(CP)及柱温(T)的关系可表示为:^RI=-58.138 57.7460Q-8.2591Q 0.120T 0.807CP 36.460PBD 7.919DHSI(R=0.9989)继以留一法(Leave-one-out,LOO)进行交互检验,相关系数RCV=0.9977,说明所建模型具有良好的稳定性和预测能力,较好地揭示了烯烃类化合物气相色谱保留指数RI随固定相极性、柱温的改变而变化的规律.     

烷基硫醚气相色谱保留指数预测

以4种原子类型电性拓扑态指数(E-state indices)为参数,对64种烷基硫醚在4种不同极性固定相上的气相色谱保留指数分别进行了定量结构-色谱保留相关(QSRR)研究. 采用多元线性回归(MLR)方法建立模型,线性相关系数R在0.987 7～ 0.994 2之间,标准偏差在15.254 4～21.181 3之间,相关性良好;采用留一法(LOO)对模型稳健性进行检验,相关系数RLOO在0.985 2～0.992 9之间. QSRR模型具有显著的统计学意义和很好的预测可靠性.     

烷基苯气相色谱保留指数的预测

通过对43种烷基苯类化合物在不同柱温下的129个样本集的气相色谱保留指数值(R I)与其部分参数关系的研究,发现R I与拓扑指数(mQ)、摩尔折射度(M R)结构参数及柱温(T)之间的关系可表示为:RI=-35.689-149.4350Q-5.0471Q 116.541MR 2.538T-1.4600Q1Q 0.2941QMR(R=0.980 0)此式不仅在一定程度上阐明了烷基苯类化合物RI与其分子结构及柱温间的关系,同时也提供了一种计算烷基苯类化合物于不同温度下RI的新方法.继以留一法(Leave-one-out,LOO)进行交互检验,相关系数RCV=0.978 3,说明所建模型具有良好的稳定性和预测能力,较好地揭示了烷基苯类化合物在不同温度下气相色谱保留指数的变化规律.     

用新型分子结构参数预测多氯代二苯并呋喃的色谱保留指数

从环境有毒物多氯代二苯并呋喃的分子结构出发,通过考虑化合物的元素组成及各原子的连接方式,提出一种既能表征氯原子的取代数目．又能反映出氯原子取代位置的新型分子结构参数Mi．借助多元线性回归方法建立多氯代二苯并呋喃的气相色谱保留指数与其分子结构参数的定量结构-色谱保留关系（QSRR）模型,得复相关系数为0．9938．为了检验模型的稳定性和预测能力,进行了留一法交互校验以及Jackknife随机抽样检验,得模型复相关系数分别为0．9927和0．9931,结果表明所建模型具有很好的稳健性和外部预测能力,同时该方法计算简单,使用方便,预测结果准确．     

醇拓扑指数对其色谱保留指数的预测

用多元线性回归分析将37种醇的结构拓扑指数与气相色谱保留指数相关联,结果获得了好的相关关系（r=0.9958）.     

用手性连接性指数预测手性有机酸的保留指数

在修正分子连接性指数mXtv的基础上,建立能够揭示分子手性信息的手性连接性指数mcXtv.通过多元回归方法研究18种手性有机酸(8种羟基酸和10种氨基酸)的薄层色谱保留指数-RM与mcXtv的定量构效关系(QSRR),经最佳变量子集回归建立最佳二元QSRR模型,其传统判定系数R2为0.915,逐一剔除法的交互验证系数Q2为o.878.结果证明,该模型具有良好的稳健性及预测能力,优于Kier的连接性指数.根据进入该模型的2个手性连接性指数ocXvp,4cXvpc可知,影响手性有机酸保留指数的主要因素是分子的二维结构特征及其手性特征.新建手性连接性指数对手性有机酸的保留指数表征是合理有效的.     

人工神经网络用于气相色谱保留指数的预测

利用Levenberg-Marquardt算法改进的BP神经网络,通过分子结构参数,同时对烷基吡啶在非极性固定液SE-30和极性固定液PEG-1500柱上的保留指数进行预测,取得令人满意的结果.     

支持向量机法预测苯砜基环烷酸酯类化合物的色谱保留

应用支持向量机方法研究了28种苯砜基环烷酸酯类化合物的色谱保留和分子结构的定量关系,结果发现,采用支持向量机方法可以实现使用较少样本数据建模,并达到较好预测结果的目的．支持向量机方法的预测结果远优于线性溶解能关系法的预测结果．     

醇类异构体气相色谱保留指数的预测

将分子连通指数X进行修正得到Xc，使拓扑指数的结构选择性大大提高，与醇类异构体的气相色谱保留指数IR存在良好的线性关系，对C9－C14醇类异构体在PEG－1500，PEG－20M和OV－101三种色谱柱上的IR进行预测，预测值与文献实验值的一致性令人满意，平均相对误差分别为0．83％，0．32％和0．37％。     

醇类异构体气相色谱保留指数的预测

将分子连通指数X进行修正得到Xc,使拓扑指数的结构选择性大大提高 ,与醇类异构体的气相色谱保留指数IR存在良好的线性关系 ;对C9～C14 醇类异构体在PEG - 15 0 0 ,PEG - 2 0M和OV - 10 1三种色谱柱上的IR 进行预测 ,预测值与文献实验值的一致性令人满意 ,平均相对误差分别为0 .83% ,0 .32 %和 0 .37%。     

酚类化合物色谱保留指数的估计与预测

用根据非氢原子类型分类、基于非氢原子相对电负性和非氢原子间距离等进行计算得到的分子电性距离矢量(MEDV)为描述子,对酚类化合物结构进行表征.用多元线性回归(MLR)方法,研究并建立了酚类化合物定量结构-色谱保留(QSRR)关系的10变量模型,其相关系数为0.9512;采用SPSS统计处理软件对变量进行逐步回归(SMR)筛选后,建立了8变量的QSRR模型,其相关系数为0.9508.上述模型对102种酚类化合物色谱保留的预测值与实验值能较好吻合,留一法交互检验的结果分别为Rcv=0.9269和Rcv=0.9377.结果表明所建模型具有良好的稳定性和预测能力.     

天然活性异硫氰酸酯类化合物的研究进展

异硫氰酸酯类化合物是十字花科蔬菜中重要的化学组分,也是一种潜在的癌症化学预防化合物。本文介绍并比较了异硫氰酸酯类化合物的各种纯化方法,对已报道的异硫氰酸酯类化合物重要的癌症化学预防活性进行了归纳总结,讨论了异硫氰酸酯类化合物的应用、代谢、稳定性和剂型方面的研究新成果。在这些已有研究的基础上,本文提出了天然活性异硫氰酸酯类化合物在癌症化学预防领域未来的研究方向和应用前景。     

酯类化合物相对保留时间的分子拓扑研究

在分子图的距离矩阵基础上,构建了酯类化合物的调和拓扑指数H和指示指数I.H、I和极性指数P与酯类化合物的相对保留时间tb显著相关,相关系数大于0.999,计算值与实验值很好吻合,平均误差仅为0.017.所建模型较好地揭示了酯类化合物相对保留时间的变化规律.     

拓扑指数与路径数预测单硫醚气相色谱保留指数

在分子拓扑化学理论的基础上,根据分子中原子的特性,用分子中原子的平衡电负性对分子图进行着色,在距离矩阵的基础上结合分子中各原子的支化度构建一组新的拓扑指数NPm（m=1,2,3）,利用多元线性回归技术将单硫醚在4种不同极性固定相的气相色谱保留指数与NPm（m=1,2,3）和路径数（P2,P3）建立相应的定量结构-保留关系模型（QSRR）,并用这种模型对单硫醚的气相色谱保留指数进行预测,结果表明预测结果和实验值吻合较好．     

醛酮类化合物气相色谱保留指数的预测

通过对醛酮类化合物在两种固定相（OV-3、OV-7）两种柱温（205℃、245℃）下的100个样本集的气相色谱保留指数值（RI）与其部分参数关系的研究,发现RI与拓扑指数（mQ）、固定液极性值（CP）及柱温（T）的关系可表示为：RI=1 300.399＋76.163^0Q-15.140^1Q＋1.325T＋26.207CP（R=0.995 0）用留一法（Leave-one-out,LOO）进行交互检验,相关系数RCV=0.990 0,说明所建模型具有良好的稳定性和预测能力,能较好地揭示醛酮类化合物气相色谱保留指数RI随固定相极性、柱温的改变而变化的规律.     

修正的连接性指数G用于脂肪醇气相色谱保留指数的预测

修正的连接性指数被定义为:G=0G+(δ-1)-0.5,G与25种脂肪醇在6种固定相(SE-30,OV-3、OV-7、OV-11、OV-17、OV-25)上的气相色谱保留指数显著相关,相关系数分别为0.9931、0.9925、0.9914、0.9891、0.9887和0.9843.所建定量结构-保留关系模型为脂肪醇气相色谱保留指数的预测提供了有效的方法.     

人工神经网络对烷烃同系物气相色谱保留指数的预测

以拓扑指数为结构描述符,用BR神经网络建立了烷烃同系物的结构与色谱保留值的相关模型,预测准确度高,因而是一种较好的预测有机化合物烷烃同系物气相色谱保留指数的方法.     

基于野韭菜挥发性成分的色谱保留指数神经网络预测

为研究野韭菜挥发性成分的性质,预测其色谱保留指数,运用 ＭＡＴＬＡＢ相关自编程序计算得到了野韭菜挥发性成分的分子形状指数和电性拓扑态指数,将这两类参数作为分子结构描述参数,借助多元逐步回归法优化筛选了其中结构参数^２Ｋ、^３Ｋ、^４Ｋ、Ｉ２和 Ｉ６,建立了野韭菜挥发性成分色谱保留指数的 ＱＳＲＲ模型,相关系数为 ０９６３,通过对模型的稳定性和预测能力进行检验,检验的相关系数 ｒ基本也稳定在 ０９６３左右。用这 ５个筛选出的结构参数作为人工神经网络的输入层参数,采用 ５ ２ １的网络神经结构,利用 ＢＰ算法建构神经网络模型,总相关系数达到 ０９９６的优级相关,利用此模型计算得到的预测值与实验值吻合度较为理想,相对平均误差仅为 １６７％,结果显示 ＢＰ神经网络所得结果优于多元线性回归方法。     

香水百合头香成分色谱保留指数的人工神经网络预测

基于分子拓扑学理论计算了香水百合头香成分35个化合物的分子连接性指数Xi、电性拓扑状态指数Ej和分子电性距离矢量M_k。采用最佳变量子集回归方法确定了最佳变量组合X_1,E_9,M_9和M_(10),并用这4个变量作为神经网络的输入层单元,建立了香水百合头香成分化合物气相色谱保留指数RI的人工神经网络模型。采用该模型对RI值进行了预测,预测结果与实验值接近,平均相对误差为1.165%。该方法成功预测了化合物的气相色谱保留指数,对于探索色谱保留机理、选择合适的分离条件等有参考价值。