基于从头算量化参数的BPx网络模型在吡啶类化合物pKa中的应用

用量子化学从头算RHF方法在6-31G水平下对吡啶类分子进行构型全优化,并用优化得到的量化参数作为反向传播人工神经网络的输入向量,并将此模型（人工神经网络）应用到吡啶类化合物pKa值的预测。将预测结果与多元线性回归算法的结果相比较。研究表明,所构造的人工神经网模型在预测吡啶类化合物的pKa值中得到满意的结果．     

拓扑指数mZ与无机氢化物pKa1的关系

受Randic分子连接性拓扑指数的启发，构建了拓扑指数^mZ。用其1阶(^1Z)指数，1阶指数和元素电负性差的平方(XA-XH)^2与13种p区无机氢化物的pKa1值关联．拟合成2个回归方程，其相关系数与相关指数分别为0．9938和0．9961，结构选择性达到唯一性表征，预测取得了较好的结果。     

价电子轨道能量拓扑指数mE及其对P区氢化物酸性的预测

受Randic分子连接性拓扑指数mX的启发,构建了一种价电子轨道能量拓扑指数mE.利用其0阶(0E)和1阶(1E)指数,与13种p区无机氢化物的pKa1关联,拟合成2个线性回归方程.拓扑指数的结构选择性达到唯一性表征,相关系(指)数为0.9942(0.9949).预测取得了令人满意的结果.     

无机含氧酸酸性pKa(1)的分子拓朴研究

基于中心原子的价电子数，最高主量子数，中心原子直接键连的氢原子数和非羟基氧原子数，建立了一种分子拓朴指数y，它与27种无机含氧酸酸性pKa（1）的线性方程为：pKa（1）=12.7853-1．2457y．结果表明，y具有良好的结构选择性和性质相关性，可用于预测其它无机含氧酸的酸性pKa（1）值．     

密度泛函活性理论预测单取代和多取代苯甲酸的pKa值

酸碱性是分子非常重要的物理化学性质之一通常用pKa值来表示,但由于受稳定性等诸多因素的制约从实验上准确测定一些分子的pKa值仍有困难.从理论和计算上寻找有效和可靠的预测酸碱性的方法仍然是目前文献上活跃的课题.最近,我们从密度泛函活性理论的角度提出了一个简单而有效的方法来计算分子的酸碱性.本文试图把该方法应用于苯甲酸体系...     

价电子轨道平均能量连接性指数mB及对无机氢化物酸性的预测

对Randic分子连接性拓扑指数mX的概念"点价"δi进行改造,构建了一种新的分子连接性拓扑指数,即价电子轨道平均能量连接性指数mB.用mB的0,1阶指数0B,1B与周期表中P区无机氢化物的pKa1关联,拟合成2个线性方程,其相关系数与相关指数分别为0.994 2和0.994 6,拓扑指数的结构选择性满足唯一性表征.预测取得了较好的结果.     

取代酚酸性pKa的分子拓扑研究

基于元素的Pauling电负性、原子成σ键的电子数,原子直接键连的氢原子数目和原子未参与形成离域π键的孤对电子对对数,建立了一种分子拓扑指数(~4x).它与21种取代酚酸性产pKα的线性方程为:11.5258-20.4052.~4x=pKα,结果表明,~4x具有良好的结构选择性和性质相关性,可用于预测其它取代酚酸性pKα值.     

基于量化参数的吡啶类化合物pKa模型的构建

采用密度泛函理论B3LYP／6-31G^＊方法,对吡啶类49个分子进行几何构型全优化,用优化得到的量化参数进行主成份和自相关性分析后,筛选出影响吡啶类化合物pKa的分子偶极距（μ）、分子最高占据轨道能（Enouo）、分子最低空轨道能（Eumo）、吡啶环上6个原子的静电荷密度（Q）等9个主要量化参数的基础上,分别采用支持向量回归、多元线性回归以及反向传播人工神经网络算法,对吡啶类化合物pKa建模,用留一交叉检验的结果显示,核函数为径向基的支持向量机回归模型最优。可用于吡啶类化合物pKa的建模。     

羧酸类化合物pKa的定量构效关系

对38种有机一元羧酸的电拓扑状态指数（En）及价分子连接性指（mxv）进行了计算,建立了有机羧酸 pKa与拓扑指数的数学模型.最佳七元回归模型为： pKa=6.271+2.391E8-0.470E39-0.171E38+10.082E6-0.730E40-0.192E17+1.867 4xv．其Ｒ=0.967,s=0.299 7,优于文献研究结果.通过Jackknife法检验该模型具有总体稳健性.结果表明,电拓扑指数能够较好表征分子结构特征,有效揭示影响羧酸pKa的本质因素.