[发明专利]基于分子结构的有机污染物正辛醇/空气分配系数快速预测方法

摘要

本发明公开了一种基于分子结构的有机污染物正辛醇/空气分配系数快速预测方法，属于面向环境风险评价的定量结构/活性关系(QSAR)技术领域。其特征是采用原子中心碎片表征化合物的分子结构，并通过逐步回归和偏最小二乘回归筛选原子中心碎片组合，构建了预测K_OA的基团贡献模型。所构建的K_OA基团贡献模型，经内部验证和外部验证证实了其稳健性和预测能力，并基于范围、距离方法、概率密度法表征了基团贡献模型的应用域，明确了模型的应用范围，保证了预测准确度。本发明的效果和益处是能够快速预测大通量化合物的K_OA，且获得K_OA的成本低廉，有助于大批量K_OA数据的获取，对于化学品的环境监管和风险评价具有重要意义。

主权项

1、一种基于分子结构的有机污染物正辛醇/空气分配系数快速预测方法，首先判断是否属于基团贡献模型的应用域内化合物，如果结果为域外化合物，则不能进行预测，反则画出化合物的分子结构保存为MOL格式；其次计算原子中心碎片(ACF)；最后利用基团贡献模型和列出的23个基团贡献值，计算未知化合物的正辛醇/空气分配系数(K_OA)值；其特征在于如下具体步骤：(1)从文献中收集272个多种类有机化合物的logK_OA值，并采用ACF用于表征化合物的分子结构特征；(2)采用逐步回归和PLS回归筛选ACF，从而构建预测K_OA的基团贡献模型；第一步，采用逐步回归方法初步筛选ACF；第二步，基于逐步回归初步筛选的ACF，采用Simca(Version 6.0)软件完成变量的进一步筛选和PLS回归；基于PLS回归，筛选变量的过程如下：先建立包含所有变量的PLS模型，然后将VIP小于1的变量分别去除一次，得到一系列新的方程，选择其中Q_cum²值最大的模型，若有几个方程的Q_cum²值相等，则比较变量投影重要性指标(VIP)，选择删除了VIP值相对较小的模型；依此原则，重复上述变量删除过程，直到模型中只存在VIP值大于1的变量为止；最后，综合评价交叉验证的Q_cum²，偏最小二乘的主成分个数(A)，变量的个数(K)，实测值与拟合值之间的相关系数(R)，显著性水平(p)和均方根误差(RMSE)，选择最优的PLS模型；(3)logK_OA的基团贡献模型是以碎片出现的次数为自变量，logK_OA为因变量建立的多元回归模型；模型的表达式如下：logKOA=C0+Σi=1anifi---(1)]]>其中，n_i为i碎片在分子结构中出现的次数；f_i为基团贡献值；C₀为回归常数，即当某分子结构中不存在模型定义的碎片时，该化合物logK_OA的理论外推值；本发明的K_OA基团贡献模型的基团贡献值如表1所示；表1logK_OA预测模型的基团贡献值其中，C¹，C²，C³，C⁴：分别表示连有1，2，3，4个杂原子的碳；“R”表示通过C原子连接的任意一个基团；“X”表示带负电子的原子(O，N，S，P，Se，卤原子)；“Al”和“Ar”分别表示脂肪族和芳香族；“..”表示芳环上的单键，例如在吡咯分子中的C-N；(4)内部验证通过将初始训练集中的272个数据点平均分成5个子集，然后每次去除1个子集，采用剩下的数据点作为训练集重新建模，并验证被去除的子集，计算5次最终得到交叉验证系数Q_cv²用于表征模型的稳定性和预测能力；另外，本发明还通过所构建的基团贡献模型预测未参与建模的79个外部验证集化合物的logK_OA，评价模型的预测能力；(5)分别基于描述符范围法、预测变量(logK_OA)的范围法、欧式距离法、城市街区距离法、概率密度法表征基团贡献模型的应用域；最后通过基于5种方法的应用域交集，表征基团贡献模型的综合应用域。