基于醛酮分子结构参数的QSPR研究

摘要

化合物结构—性质定量关系QSPR(QuantitativeStructure-Property Relationships)已成为化学计量学的一个十分重要的分支，通过建立QSPR模型来预测或估计未知样本的性质，分析对化合物的各种性质起决定作用的分子结构参数的特征，可以在分子水平上了解物质的微观结构对宏观性质的影响，对分子设计起一定的指导作用。QSPR研究在化学、生命科学以及环境科学中都有着重要的理论和应用价值。
　　本论文研究的是醛酮化合物的定量结构—性质关系，醛酮化合物是重要的工业原料、药物原料、合成中间体，另一方面醛酮类化合物是室内及公共场所中重要的污染物之一，长期接触可导致头痛、眩晕、恶心等症状，对环境和人体都有着很大的危害，目前通过试验方法很难获得，有必要寻求方法对这些性质做出预测。因此，我们需要去研究它们的一些性质，主要是分析研究其物化性质(沸点Tbp、摩尔折射率MR、定压热容Cp、临界温度Tc和临界体积Vc)，本研究采用的方法是QSPR建模。
　　本文从醛酮化合物的分子结构出发，运用化学软件chemoffice2010得到它们的3D构型，通过分子力学 MM2方法进行结构优化，获得其空间坐标(x,y,z)，构建出自定义的空间分子结构参数Yh。同时结合其它的二维分子结构参数(分子内的碳原子个数Cn、官能团位置指数Sox和W指数)与醛酮化合物的沸点Tbp、摩尔折射率MR、定压热容Cp、临界温度Tc和临界体积Vc等物理化学性质进行多元线性回归分析、BP神经网络分析和RBF神经网络分析，分别得到了拟合能力强和稳健性好的QSPR模型。最后用测试集样本进行模型的验证，结果表明所建立的QSPR模型预测能力强。
　　本论文中醛酮化合物的物化性质实验值均取自于文献资料，从而节省了大量的实验费用、设备和时间，将有利于研究化合物结构与性质之间的关系。最后根据分子结构参数和其物化性质，采用系统聚类法对醛酮化合物进行聚类分析，根据分类结果整体一致性，表明所选取的分子结构参数能够准确地、可靠地解释和表征醛酮化合物的宏观性质。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 前 言

1.1 醛酮化合物的QSPR研究现状

1.2 QSPR的简述

1 .3 本论文研究的内容及其特色创新之处

第二章 QSP R模型的建立方法

2 .1 多元线性回归方法

2 .2 人工神经网络

2 .3 聚类分析

2 .4 计算软件

第三章 醛酮分子结构参数与其物性的QSP R研究

3 .1 引言

3 .2 数据和方法

3 .3 多元线性回归分析变量的选择和模型的构建

3.4 醛酮化合物的BP神经网络研究

3.5 醛酮化合物的RBF网络研究

3 .6 醛酮化合物的聚类分析

第四章 结论

4 .1 分子结构参数的选取及其归一化处理

4 .2 多元线性回归模型优化

4.3 BP神经网络结果分析

4.4 RBF神经网络结果分析

4 .5 聚类分析结果

4 .6 展望

参考文献

致谢

个人简历

攻读硕士学位期间发表和完成的学术论文

攻读硕士学位期间参加的科研项目