[go: up one dir, main page]

CN111768812A - 一种预测有机物pdms膜-水分配系数的方法 - Google Patents

一种预测有机物pdms膜-水分配系数的方法 Download PDF

Info

Publication number
CN111768812A
CN111768812A CN202010644894.3A CN202010644894A CN111768812A CN 111768812 A CN111768812 A CN 111768812A CN 202010644894 A CN202010644894 A CN 202010644894A CN 111768812 A CN111768812 A CN 111768812A
Authority
CN
China
Prior art keywords
model
compounds
pdms
value
compound
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202010644894.3A
Other languages
English (en)
Inventor
朱腾义
陈文瑄
程浩淼
李懿
吴晶
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Yangzhou University
Original Assignee
Yangzhou University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Yangzhou University filed Critical Yangzhou University
Priority to CN202010644894.3A priority Critical patent/CN111768812A/zh
Publication of CN111768812A publication Critical patent/CN111768812A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
    • G16C20/30—Prediction of properties of chemical compounds, compositions or mixtures
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C10/00—Computational theoretical chemistry, i.e. ICT specially adapted for theoretical aspects of quantum chemistry, molecular mechanics, molecular dynamics or the like
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
    • G16C20/70—Machine learning, data mining or chemometrics

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computing Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Chemical & Material Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Crystallography & Structural Chemistry (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Physics & Mathematics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Organic Low-Molecular-Weight Compounds And Preparation Thereof (AREA)

Abstract

本发明公开了一种预测有机物PDMS膜‑水分配系数的方法，通过已有化合物的分子结构计算分子描述符，采用逐步多元线性回归分析构建了定量结构‑性质关系模型（QSPR），可快速、高效的预测有机化合物的K PDMS‑w值。该方法简单快捷、成本低，且能节省实验测试所需的人力、物力和财力。本发明遵循经济合作与发展组织（OECD）关于QSPR模型的构建和验证导则，旨在改善预测精准度，采用的算法透明，便于机理解释。模型具有良好的拟合优度、稳健性和预测能力且具有明确的应用域，包含不同种类的化合物347种，能有效地预测应用域内有机化合物的PDMS膜/水分配系数，填补了其他化合物的数据空白，为环境化合物的监测和被动采样器的应用提供必要的基础数据，具有重大意义。

Description

一种预测有机物PDMS膜-水分配系数的方法
技术领域
本发明涉及一种PDMS膜-水分配系数预测方法，特别涉及一种有机物PDMS膜-水分配系数预测方法。
背景技术
膜被动采样技术目前广泛运用于测量有机化合物的自由溶解浓度和评估有机物的环境暴露风险。PDMS(聚二甲基硅氧烷)膜因其具有良好的热稳定性和对疏水性化合物的高度亲和力成为应用广泛的被动采样材料之一。通常有机物在PDMS膜与水之间的分配系数(KPDMS-w)是评价化合物环境行为的重要参数，也是衡量被动采样器性能和准确计算有机物水中浓度的重要指标。常规的实验测量费时费力，难以满足数量庞大且日益增长的有机污染物环境监测和管理的需求，因此发展简便而准确的理论预测方法用于估算有机物的KPDMS-w值显得尤为重要。
定量结构-性质关系(QSPR)是指一种关联有机物的分子结构与其理化性质、环境行为和毒理学参数的计算机建模方法，能够减少或替代相关实验，弥补实验数据的缺失、降低实验费用。2004年OECD提出了QSPR模型构建与使用的准则，指出符合以下5个要求的QSPR模型可以应用于化学品的风险评价与管理：(1)具有明确定义的环境指标；(2)具有明确的算法；(3)定义了模型的应用域；(4)模型具有适当的拟合度、稳定性和预测能力；(5)最好能够进行机理解释。该准则为QSPR模型的发展指明了方向。
目前已有不少报道针对有机物KPDMS-w值的模拟预测，大多数集中在国外研究，国内研究相对较少。如文献“Environ.Sci.Technol.,2010,44(18),6917-6925.”针对191有机化合物建立了辛醇水分配系数(Kow)与KPDMS-w的关系模型，模型的R2为0.78，拟合度较低。文献“Int.J.Environ.Sci.Te.,2018,15(10),2141-2150.”收集了63种烷烃和芳香烃化合物，采用多元线性回归分析建立QSAR模型，虽然具有很高的R2，但是研究物质单一，应用域有限，没有提供其他验证参数。
总的来说，目前现有研究中所建模型的化合物种类多数比较单一，应用域狭窄，且缺少必要的模型表征参数。因此，随着新兴污染物的增加，有必要发展一个能简单、快速、高效地预测有机物KPDMS-w的QSPR模型。
发明内容
本发明的目的是提供一种预测有机物PDMS膜-水分配系数的方法，可直接根据有机化合物的分子结构描述符快速有效的预测其KPDMS-w值。
本发明的目的是这样实现的：一种预测有机物PDMS膜-水分配系数的方法，包括以下步骤：
步骤1)数据收集：查阅文献收集得到包含若干种有机化合物的logKPDMS-w值，将得到的有机化合物按其log KPDMS-w值的大小进行排序，取前4/5作为训练集，其余1/5的物质作为验证集；
步骤2)描述符计算：根据目标化合物的名称和CAS号，确定目标化合物对应的结构，使用MM2分子力学的方法优化初始分子结构，利用alvaDesc1.0.0软件获取优化后的化合物分子结构描述符，预处理后筛选出最终描述符；
步骤3)模型构建：根据所述最终描述符，以log KPDMS-w为因变量，描述符为自变量，通过SPSS软件，采用逐步多元线性回归方法对训练集数据进行拟合建模；
步骤4)模型验证：对模型进行验证，验证合格后进行步骤5)；
步骤5)应用域表征；通过Williams图对模型应用域进行表征；
步骤6)模型应用：利用所述模型预测未知化合物的KPDMS-w值。
作为本发明的进一步限定，步骤1)中收集的有机化合物包括多环芳烃、多氯联苯、农药、二恶英、脂肪族、碳氢化合物和氮硫化合物等。
作为本发明的进一步限定，步骤1)中，对于收集到的有机化合物中同一物质，剔除明显偏离整体数值的数据，取其平均值进行模型的构建研究。
作为本发明的进一步限定，步骤1)中所述训练集中的化合物用于构建模型，进行内部验证，验证集中的化合物用于模型外部验证。
作为本发明的进一步限定，步骤2)中筛选具体包括：去除常数或接近常数的描述符；去除缺失的描述符；去除相关性大于0.95的描述符。
作为本发明的进一步限定，步骤1)中收集了共347种有机化合物，步骤3)所得模型为：
log KPDMS-w＝-0.698BLTD48-0.360Hy-6.090SpMaxA_B(s)
+4.226SpMaxA_AEA(dm)+1.605
其中，BLTD48表示Verhaar水蚤的基线毒性(mmol/L)；Hy是亲水因子；SpMaxA_B(s)表示基于I态加权的负荷矩阵的正规化超前特征值；SpMaxA_AEA(dm)表示由偶极矩加权的基于增广边邻接矩阵的归一化前特征值。
作为本发明的进一步限定，步骤4)模型验证时：用自由度校正后的决定系数
Figure BDA0002572667460000031
和均方根误差RMSE表征模型拟合度；用去一法交叉验证系数
Figure BDA0002572667460000032
和自举法交叉验证系数
Figure BDA0002572667460000033
表征模型稳健性；用预测与实测之间的拟合系数
Figure BDA0002572667460000034
和训练集均方根误差RMSEext表示模型外部预测能力，判定依据：R2>0.7，Q2>0.6，R2-Q2<0.3，CCC>0.85。
作为本发明的进一步限定，步骤5)具体包括：采用基于标准残差δ对杠杆值hi的Williams图对模型的应用域进行表征，δ的绝对值大于3.0时，该化合物为离群点，当杠杆值hi大于警戒值h*时，说明该化合物结构与其他化合物结构有显著性差异；hi和h*由如下公式计算：
hi＝xi T(XTX)-1xi
h*＝3(p+1)/n
其中xi是第i个化合物的描述符矩阵；xi T是xi的转置矩阵；X是所有化合物的描述符矩阵；XT是X的转置矩阵；(XTX)-1是矩阵XTX的逆；p是模型中变量的个数，n为数据集中数据点的个数。
与现有技术相比，本发明的有益效果在于：
1.依据OECD关于QSPR模型构建和使用的导则，建立了算法透明的QSRR模型，且具有良好的拟合优度，稳健性和预测能力；
2.模型的应用域较广，涵盖多种结构的有机化合物，可用于预测不同化合物的KPDMS-w值，为有机化合物全球性环境行为分析和生态风险评价提供基础数据；
3.模型完全采用计算的方式，与前人依靠实验值的方法不同，能够大量减少实验成本，更高效的获取化学品KPDMS-w值。
附图说明
图1为数据集log KPDMS-w的实验值和预测值的拟合图。
图2为本发明中Williams图。
具体实施方式
一种预测有机物PDMS膜-水分配系数的方法，包括以下步骤。
步骤1)数据收集：查阅文献收集得到包含347种有机化合物的logKPDMS-w值，将得到的有机化合物按其log KPDMS-w值的大小进行排序，取前4/5作为训练集，其余物质作为验证集，训练集中的化合物用于构建模型，进行内部验证，验证集中的化合物用于模型外部验证，对于收集到的有机化合物中同一物质，剔除明显偏离整体数值的数据，取其平均值进行模型的构建研究，收集的有机化合物包括多环芳烃、多氯联苯、农药、二恶英、脂肪族、碳氢化合物和氮硫化合物等。
步骤2)描述符计算：根据目标化合物的名称和CAS号，确定目标化合物对应的结构，使用MM2分子力学的方法优化初始分子结构，利用alvaDesc1.0.0软件获取优化后的化合物分子结构描述符，预处理后筛选出最终描述符，筛选具体包括：去除常数或接近常数的描述符；去除缺失的描述符；去除相关性大于0.95的描述符。
步骤3)模型构建：根据所述最终描述符，以log KPDMS-w为因变量，描述符为自变量，通过SPSS软件，采用逐步多元线性回归方法对训练集数据进行拟合建模，所得模型为：
log KPDMS-w＝-0.698BLTD48-0.360Hy-6.090SpMaxA_B(s)
+4.226SpMaxA_AEA(dm)+1.605
其中，BLTD48表示Verhaar水蚤的基线毒性(mmol/L)；Hy是亲水因子；SpMaxA_B(s)表示基于I态加权的负荷矩阵的正规化超前特征值；SpMaxA_AEA(dm)表示由偶极矩加权的基于增广边邻接矩阵的归一化前特征值。
步骤4)模型验证：对模型进行验证，用自由度校正后的决定系数
Figure BDA0002572667460000051
和均方根误差RMSE表征模型拟合度；用去一法交叉验证系数
Figure BDA0002572667460000052
和自举法交叉验证系数
Figure BDA0002572667460000053
表征模型稳健性；用预测与实测之间的拟合系数
Figure BDA0002572667460000054
和训练集均方根误差RMSEext表示模型外部预测能力，验证合格后进行步骤5)；
所得模型的自变量与因变量组成的矩阵MYX以及自变量矩阵MX的K相关指数KYX和KX分别0.554和0.482，ΔK＝KYX-KX＝0.072>0，说明所选描述符之间不存在多重共线性。调整后决定系数
Figure BDA0002572667460000061
训练集均方根误差(RMSEtra)和训练集平均绝对误差(MAEtra)分别为0.544和0.417，说明模型具有良好的拟合能力；模型的去一法交叉验证系数
Figure BDA0002572667460000062
自举法交叉验证系数
Figure BDA0002572667460000063
Q2>0.6说明模型的稳健性较好。外部验证系数
Figure BDA0002572667460000064
验证集均方根误差RMSEext＝0.320，平均绝对误差MAEext＝0.119，说明模型具有良好的外部预测能力；R2与Q2之差远小于0.3，说明模型不存在过拟合现象，图1给出模型的拟合程度及验证结果。
步骤5)应用域表征；通过Williams图对模型应用域进行表征，具体包括：采用基于标准残差δ对杠杆值hi的Williams图对模型的应用域进行表征，δ的绝对值大于3.0时，该化合物为离群点，当杠杆值hi大于警戒值h*时，说明该化合物结构与其他化合物结构有显著性差异；hi和h*由如下公式计算：
hi＝xi T(XTX)-1xi
h*＝3(p+1)/n
其中xi是第i个化合物的描述符矩阵；xi T是xi的转置矩阵；X是所有化合物的描述符矩阵；XT是X的转置矩阵；(XTX)-1是矩阵XTX的逆；p是模型中变量的个数，n为数据集中数据点的个数；如图2所示，模型的h*为0.054，因此，该模型适用于对hi小于0.054的化合物logKPDMS-w的值的预测。
步骤6)模型应用：利用所述模型预测未知化合物的KPDMS-w值。
下面结合具体实施例做进一步说明。
实施例1
给定一个化合物碘代苯预测其log KPDMS-w值。首先根据MM2分子力学法优化碘代苯的分子结构，其次基于优化后的分子结构利用alvaDesc 1.0.0软件计算其4个分子描述符BLTD48、Hy、SpMaxA_B(s)和SpMaxA_AEA(dm)的值，分别为-4.369、-0.802、0.641和0.398。根据计算公式(2)得到该物质的hi值为0.0105<0.054，所以该化合物在模型应用域内。将上述描述符的值带入所建模型，得到log KPDMS-w预测值为2.72，实验值为2.73，预测值与实验值十分相近。
实施例2
给定一个化合物六氯苯预测其log KPDMS-w值。首先根据MM2分子力学法优化六氯苯的分子结构，其次基于优化后的分子结构利用alvaDesc 1.0.0软件计算其4个分子描述符BLTD48、Hy、SpMaxA_B(s)和SpMaxA_AEA(dm)的值，分别为-6.266、-0.484、0.435和0.316。根据计算公式(2)得到该物质的hi值为0.0071<0.054，所以该化合物在模型应用域内。将上述描述符的值带入所建模型，得到log KPDMS-w预测值为4.84，实验值为4.86，预测值与实验值十分相近。
实施例3
给定一个化合物3-甲基戊烷预测其log KPDMS-w值。首先根据MM2分子力学法优化3-甲基戊烷的分子结构，其次基于优化后的分子结构利用alvaDesc 1.0.0软件计算其4个分子描述符BLTD48、Hy、SpMaxA_B(s)和SpMaxA_AEA(dm)的值，分别为-4.660、-0.921、0.599和0.461。根据计算公式(2)得到该物质的hi值为0.0136<0.054，所以该化合物在模型应用域内。将上述描述符的值带入所建模型，得到log KPDMS-w预测值为3.49，实验值为3.51，预测值与实验值十分相近。
实施例4
给定一个化合物PCB 21预测其log KPDMS-w值。首先根据MM2分子力学法优化PCB 21的分子结构，其次基于优化后的分子结构利用alvaDesc 1.0.0软件计算其4个分子描述符BLTD48、Hy、SpMaxA_B(s)和SpMaxA_AEA(dm)的值，分别为-6.518、-0.781、0.339和0.222。根据计算公式(2)得到该物质的hi值为0.0057<0.054，所以该化合物在模型应用域内。将上述描述符的值带入所建模型，得到log KPDMS-w预测值为5.31，实验值为5.33，预测值与实验值十分相近。
实施例5
给定一个化合物苯甲腈预测其log KPDMS-w值。首先根据MM2分子力学法优化苯甲腈的分子结构，其次基于优化后的分子结构利用alvaDesc 1.0.0软件计算其4个分子描述符BLTD48、Hy、SpMaxA_B(s)和SpMaxA_AEA(dm)的值，分别为-3.000、-0.828、0.853和0.507。根据计算公式(2)得到该物质的hi值为0.0296<0.054，所以该化合物在模型应用域内。将上述描述符的值带入所建模型，得到log KPDMS-w预测值为0.95，实验值为1.04，预测值与实验值十分相近。
本发明并不局限于上述实施例，在本发明公开的技术方案的基础上，本领域的技术人员根据所公开的技术内容，不需要创造性的劳动就可以对其中的一些技术特征作出一些替换和变形，这些替换和变形均在本发明的保护范围内。

Claims (8)

1.一种预测有机物PDMS膜-水分配系数的方法，其特征在于，包括以下步骤：
步骤1)数据收集：查阅文献收集得到包含若干种有机化合物的log KPDMS-w值，将得到的有机化合物按其log KPDMS-w值的大小进行排序，取前4/5作为训练集，其余1/5的物质作为验证集；
步骤2)描述符计算：根据目标化合物的名称和CAS号，确定目标化合物对应的结构，使用MM2分子力学的方法优化初始分子结构，利用alvaDesc1.0.0软件获取优化后的化合物分子结构描述符，预处理后筛选出最终描述符；
步骤3)模型构建：根据所述最终描述符，以log KPDMS-w为因变量，描述符为自变量，通过SPSS软件，采用逐步多元线性回归方法对训练集数据进行拟合建模；
步骤4)模型验证：对模型进行验证，验证合格后进行步骤5)；
步骤5)应用域表征；通过Williams图对模型应用域进行表征；
步骤6)模型应用：利用所述模型预测未知化合物的KPDMS-w值。
2.根据权利要求1所述的一种预测有机物PDMS膜-水分配系数的方法，其特征在于，步骤1)中收集的有机化合物包括多环芳烃、多氯联苯、农药、二恶英、脂肪族、碳氢化合物和氮硫化合物等。
3.根据权利要求1所述的一种预测有机物PDMS膜-水分配系数的方法，其特征在于，步骤1)中，对于收集到的有机化合物中同一物质，剔除明显偏离整体数值的数据，取其平均值进行模型的构建研究。
4.根据权利要求1所述的一种预测有机物PDMS膜-水分配系数的方法，其特征在于，步骤1)中所述训练集中的化合物用于构建模型，进行内部验证，验证集中的化合物用于模型外部验证。
5.根据权利要求1所述的一种预测有机物PDMS膜-水分配系数的方法，其特征在于，步骤2)中筛选具体包括：去除常数或接近常数的描述符；去除缺失的描述符；去除相关性大于0.95的描述符。
6.根据权利要求1所述的一种预测有机物PDMS膜-水分配系数的方法，其特征在于，步骤1)中收集了共347种有机化合物，步骤3)所得模型为：
log KPDMS-w＝-0.698BLTD48-0.360Hy-6.090SpMaxA_B(s)+4.226SpMaxA_AEA(dm)+1.605
其中，BLTD48表示Verhaar水蚤的基线毒性(mmol/L)；Hy是亲水因子；SpMaxA_B(s)表示基于I态加权的负荷矩阵的正规化超前特征值；SpMaxA_AEA(dm)表示由偶极矩加权的基于增广边邻接矩阵的归一化前特征值。
7.根据权利要求1所述的一种预测有机物PDMS膜-水分配系数的方法，其特征在于，步骤4)模型验证时：用自由度校正后的决定系数
Figure RE-FDA0002624986430000021
和均方根误差RMSE表征模型拟合度；用去一法交叉验证系数
Figure RE-FDA0002624986430000022
和自举法交叉验证系数
Figure RE-FDA0002624986430000023
表征模型稳健性；用预测与实测之间的拟合系数
Figure RE-FDA0002624986430000024
和训练集均方根误差RMSEext表示模型外部预测能力，判定依据：R2>0.7，Q2>0.6，R2-Q2<0.3，CCC>0.85。
8.根据权利要求1所述的一种预测有机物PDMS膜-水分配系数的方法，其特征在于，步骤5)具体包括：采用基于标准残差δ对杠杆值hi的Williams图对模型的应用域进行表征，δ的绝对值大于3.0时，该化合物为离群点，当杠杆值hi大于警戒值h*时，说明该化合物结构与其他化合物结构有显著性差异；hi和h*由如下公式计算：
hi＝xi T(XTX)-1xi
h*＝3(p+1)/n
其中xi是第i个化合物的描述符矩阵；xi T是xi的转置矩阵；X是所有化合物的描述符矩阵；XT是X的转置矩阵；(XTX)-1是矩阵XTX的逆；p是模型中变量的个数，n为数据集中数据点的个数。
CN202010644894.3A 2020-07-07 2020-07-07 一种预测有机物pdms膜-水分配系数的方法 Pending CN111768812A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010644894.3A CN111768812A (zh) 2020-07-07 2020-07-07 一种预测有机物pdms膜-水分配系数的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010644894.3A CN111768812A (zh) 2020-07-07 2020-07-07 一种预测有机物pdms膜-水分配系数的方法

Publications (1)

Publication Number Publication Date
CN111768812A true CN111768812A (zh) 2020-10-13

Family

ID=72724014

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010644894.3A Pending CN111768812A (zh) 2020-07-07 2020-07-07 一种预测有机物pdms膜-水分配系数的方法

Country Status (1)

Country Link
CN (1) CN111768812A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113358808A (zh) * 2021-07-01 2021-09-07 佳木斯大学 一种利用反相色谱保留指数对极性化合物定性鉴别的方法
CN114783542A (zh) * 2022-05-27 2022-07-22 昆明理工大学 一种预测全氟化合物有机碳-水分配系数的方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110534163A (zh) * 2019-08-22 2019-12-03 大连理工大学 采用多参数线性自由能关系模型预测有机化合物的辛醇/水分配系数的方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110534163A (zh) * 2019-08-22 2019-12-03 大连理工大学 采用多参数线性自由能关系模型预测有机化合物的辛醇/水分配系数的方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
TENGYI ZHU等: "Versatile modelling ofpolyoxymethylene-water partition coefficients for hydrophobic organic contaminants using linear and nonlinear approaches", SCIENCE OF THE TOTAL ENVIRONMENT, pages 1 - 13 *
朱腾义，姜越: "基于理论线性溶解能关系预测有机污染物在PDMS与水中的分配系数", 东南大学学报, vol. 50, no. 1, pages 200 - 206 *
李言伟: "QSPR研究在材料化学和环境化学中的应用", 中国优秀硕士学位论文全文库 工程科技I辑, pages 1 - 44 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113358808A (zh) * 2021-07-01 2021-09-07 佳木斯大学 一种利用反相色谱保留指数对极性化合物定性鉴别的方法
CN114783542A (zh) * 2022-05-27 2022-07-22 昆明理工大学 一种预测全氟化合物有机碳-水分配系数的方法

Similar Documents

Publication Publication Date Title
Taylor et al. Applications for passive sampling of hydrophobic organic contaminants in water—A review
Armitage et al. A terrestrial food-chain bioaccumulation model for POPs
Bailey et al. Biological assessment of freshwater ecosystems using a reference condition approach: comparing predicted and actual benthic invertebrate communities in Yukon streams
Allan et al. Strategic monitoring for the European water framework directive
Goss The p K a values of PFOA and other highly fluorinated carboxylic acids
Schenker et al. Improving data quality for environmental fate models: A least-squares adjustment procedure for harmonizing physicochemical properties of organic compounds
Lei et al. Modeling carbon black/polymer composite sensors
Sakaliene et al. Sorption and predicted mobility of herbicides in Baltic soils
Liu et al. Understanding and predicting the diffusivity of organic chemicals for diffusive gradients in thin-films using a QSPR model
CN111768812A (zh) 一种预测有机物pdms膜-水分配系数的方法
Fölster et al. A novel environmental quality criterion for acidification in Swedish lakes–an application of studies on the relationship between biota and water chemistry
CN111613276A (zh) 一种基于量子化学参数构建定量构效关系预测微塑料吸附有机物的方法
CN111768813A (zh) 基于sw-svm算法的定量构效关系模型预测有机物pdms膜-水分配系数的方法
Longo et al. A novel human biomonitoring study by semiconductor gas sensors in Exposomics: investigation of health risk in contaminated sites
Bay et al. Comparison of national and regional sediment quality guidelines for classifying sediment toxicity in California
CN112086141A (zh) 基于定量结构性质关系预测有机污染物pa-水分配系数的方法
CN113722988A (zh) 定量构效关系模型预测有机物pdms膜-空气分配系数的方法
CN110853701A (zh) 采用多参数线性自由能关系模型预测有机化合物的鱼类生物富集因子的方法
CN109524063B (zh) 疏水性有机物被动采样材料硅橡胶与水之间分配系数的预测方法
Ebert et al. Octanol/Air Partition Coefficient─ A General-Purpose Fragment Model to Predict Log K oa from Molecular Structure
Zhu et al. Development of pp-LFER and QSPR models for predicting the diffusion coefficients of hydrophobic organic compounds in LDPE
CN111402962B (zh) 预测有机污染物在聚乙烯微塑料和水相间分配常数的方法
CN111768815A (zh) 基于理论线性溶解能关系模型预测POPs在PUF膜-空气的分配系数的方法
CN111768814A (zh) 基于定量构效关系预测有机污染物pom-水分配系数的方法
CN110838339A (zh) 邻苯二甲酸酯对斑马鱼毒性效应的预测方法、设备及介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20201013