挥发性有机物与硝基自由基反应速率常数的3D-QSAR以及HQSAR研究

来源 :西安石油大学 | 被引量 : 0次 | 上传用户:yong1123
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
挥发性有机物(volatile organic compounds,VOCs)是大气环境问题中形成二次污染物的主要前驱产物,严重的将会极大程度上限制着我国社会经济的可持续发展,并危及社会群众的身心健康。建立QSAR(quantitative structure activity relationships,QSAR)定量关系对挥发性有机物与硝基自由基反应速率常数的研究显得尤为重要,弥补了实验周期长和成本高的问题。因此,本文主要通过3D-QSAR(three-dimensional quantitative structure-activity relationship,3D-QSAR)以及HQSAR(holographical quantitative structure activity relationship,HQSAR)方法来构建烃类化合物、醛类化合物、醇类化合物以及芳香族化合物与硝基自由基反应速率常数的QSAR预测模型。全文主要内容有:通过HQSAR方法构建了烃类化合物与硝基自由基反应速率常数(pk(NO3))之间的QSAR模型。同时使用留一交叉法以及外部测试集验证法对HQSAR的预测模型进行评价。并利用HQSAR模型的分子贡献图可知,烃类分子中含有碳碳双键的烯烃类分子会减小pk(NO3);含有碳碳三键以及碳碳单键的炔烃类和烷烃类分子有利于提高pk(NO3)。通过HQSAR方法以及3D-QSAR方法中的Co MFA方法构建了醛类化合物与硝基自由基反应速率常数(pk(NO3))之间的QSAR模型。结合留一交叉法以及外部测试集验证法对QSAR模型的预测性能进行评价。在预测能力的准确度上,HQSAR较Co MFA方法略胜一筹。并通过生成的HQSAR分子贡献图和Co MFA三维等势图可知,醛类分子的主链中碳原子的数目越多,会增加pk(NO3),而其主链和支链上的C=C会减小pk(NO3)。通过HQSAR以及3D-QSAR方法中的Co MFA方法和Co MSIA方法构建了醇类化合物与硝基自由基反应速率常数(pk(NO3))之间的QSAR模型。同时结合留一交叉法以及外部测试集验证法对这三种模型的预测性能进行评价。Co MFA、Co MSIA以及HQSAR模型在模型拟合能力以及建模速度上有较为明显的优势。并通过HQSAR分子贡献图以及Co MFA和Co MSIA三维等势图可知,醇类分子结构中含有双键,且存在于1号碳原子上的羟基会对pk(NO3)产生负贡献;分子结构中若不含双键,则羟基应取代中间碳原子上的氢原子,醇类化合物的pk(NO3)会提高。通过HQSAR以及3D-QSAR方法中的Co MFA方法和Co MSIA方法构建了芳香族化合物与硝基自由基反应速率常数(pk(NO3))之间的QSAR模型。结合留一交叉法以及外部测试集验证法对三种模型的预测性能进行评价。并从结果中发现HQSAR方法的预测准确度具有更有前景的统计学意义。并通过HQSAR分子贡献图以及3D-QSAR三维等势图可知,在芳香族化合物中,羟基会减小pk(NO3)。
其他文献
联邦学习(Federated Learning)能够使用来自大规模节点的本地数据集进行分布式模型训练,由于联邦学习在解决“数据孤岛”问题和保护数据隐私方面具有巨大优势,近年来迅速成为安全机器学习领域的研究热点。联邦学习的成功离不开分布式节点的积极参与,而长期机制的目的在于增加系统中用户节点的粘性,确保用户能够长期参与到系统中来,因此针对联邦学习系统中长期机制的研究与设计必不可少。在本文中,我们针对
学位
随着人工智能逐渐走向大规模和分布式,联邦学习作为一种隐私保护的分布式模型训练技术逐渐成为研究人员的关注重点。联邦学习可以在多方数据拥有者不进行数据共享的情况下,共同学习得到一个全局最优的机器学习模型。但联邦学习框架分布式特性也带来了潜在恶意参与者。本意为避免第三方进行隐私窥探的安全聚合协议,却使得针对联邦学习算法的模型攻击变得更加隐蔽且难以检测。基于数据投毒的后门攻击是一种隐蔽性极高的模型攻击方法
学位
信息技术的快速发展将人类带入了大数据时代,利用大数据相关技术,政府和企业能够对用户数据进行分析,发现数据背后的规律,为决策提供参考,提高生产和工作效率。大数据技术的本质是对海量数据进行采集、分析、关联,以构建普适性的决策模型。在此过程中,为提高数据分析的效果,各数据中心需要将本地用户数据进行发布和共享,存在敏感数据泄露的问题。同时,随着数据采集手段的多样化,数据中心收集的用户数据日趋复杂,形成了大
学位
研究目的:近年来随着溃疡性结肠炎(ulcerative colitis,UC)发病率的逐年增高,已成为世界卫生组织公认的难治性疾病之一。目前UC的治疗主要以活动期诱导缓解和缓解期维持缓解为主,但UC缓解期极易复发,常反复发作,很难达到临床完全痊愈是UC治疗中的重要难题,而脾虚是缓解期UC的主要发病机制,目前已有大量研究证实肠道菌群菌群的失调程度与疾病的分期及活动程度相关联。故本研究主要目的为明确缓
学位
当今社会,在大量涌入的数据、复杂的算法和广泛的计算资源推动下,大数据和机器学习技术发展迅速,在医学诊断、面部识别和信用风险评估等多种不同领域展现了强大的优势。在此基础上,大量云服务提供商利用已经训练好的模型为用户提供预测服务,用户只需要将数据上传给云服务器,就可以得到预测结果。然而机器学习在提供便利的同时,存在着用户私人数据泄露以及服务商非法收集利用用户数据的问题,一旦数据泄露,将会对用户的隐私造
学位
随着自动驾驶技术的发展,车辆将能够提供更强大的计算能力和更为多元及便捷的服务。车联网技术将行进中的自动驾驶车辆作为信息感知的对象,通过传感、无线通信、互联网和控制技术的综合应用,实现人,车,路之间的信息交换和共享,为城市交通效能与城市生活水平带来显著提升。但与此同时,车联网中日益复杂多样的攻击行为也在威胁着自动驾驶车辆的行驶安全和通信安全。因此,在车联网中检测攻击行为和建立防御模型及防御数据库就变
学位
研究背景骨髓增生异常综合征(MDS)是一组表现为外周血细胞一系或多系减少、骨髓造血细胞一系或多系发育异常与无效造血的造血干细胞克隆性疾病,其异质性大,部分患者可演变为急性髓系白血病。MDS患者自然病程和预后差异大,治疗方案宜个体化,而准确的判断预后是治疗方案制定的重要依据。目前评估预后的国际积分有IPSS、IPSS-R、WPSS积分,针对免疫表型的FCSS积分,针对合并疾病的MDS-CI评分,广泛
学位
背景:溃疡性结肠炎是一种慢性非特异性炎症性疾病,病变主要局限于黏膜和黏膜下层,临床症状主要表现为腹泻、脓血便、腹痛和里急后重等,可伴关节炎、皮肤病等肠外表现,是消化系统的难治病。中医辨证论治治疗本病,副作用小,疗效显著。导师李军祥教授根据多年治疗UC的临床经验创立具有清肠温中,化瘀止血的清肠温中方,用以治疗证属寒热错杂、湿热瘀阻的活动期溃疡性结肠炎取得很好的效果,导师认为缓解期溃疡性结肠炎之所以容
学位
含能化合物主要指单一分子结构组成的物质,生产具有可控且能释放大量能量的高能化合物是高能材料化学研究的重点,由于合成新的含能化合物既耗时又成本高。最好省略任何一个不良的候选化合物,这可以通过早期阶段的预测方法来获得。定量构效关系(quantitative structure activity relationship,QSAR)通过数学方法建立化合物的分子结构参数与生物活性之间的定量关系模型,从而对
学位
含酚废水对环境及人体健康有极大危害,但同时也含有许多有价值的化学品,有效处理含酚废水既可以防止环境污染也可以回收有价值的原料。本文将苯酚溶液作为含酚废水的简化模型,采用膜分离方法处理苯酚溶液,利用Material Studio分子模拟软件对MOF材料进行选型并制备了对应的改性PU膜。在实验室规模的过滤装置中进行了过滤实验,通过分光光度法得到苯酚的浓度,从而得到苯酚脱除率。利用Box-Behnken
学位