一、用量子化学方法预测PCDFs的Ah受体结合能力(1)——神经网络模型（论文文献综述）
远洪亮[1]（2021）在《碳氢燃料燃烧碳烟生成的分子动力学模拟和模型研究》文中研究表明碳烟主要由燃料的不完全燃烧产生,碳烟对环境和人体健康的不利影响以及工业对炭黑生产的需求都需要我们对碳烟生成机理和碳烟模型进行研究。碳烟生成是燃烧过程中最复杂的现象之一,涉及燃烧化学、流体力学、质量热输运和颗粒动力学之间的复杂相互作用,尽管经过几十年的研究,有关碳烟生成仍有许多基础性科研问题没有解决。因此,本文采用分子动力学方法对碳氢燃料燃烧过程中的碳烟生成机理和模型进行研究。论文首先阐明了碳烟对环境和人体健康的危害,介绍了碳烟研究的背景和意义,碳烟研究的实验和测量手段。接着我们对碳烟生成的各个过程和研究进展进行了简要介绍和总结,提出了本论文的两大任务:建立合适的碳烟模型,对碳烟生成进行计算研究;研究多环芳烃（PAHs）之间以及PAH和碳烟之间的相互作用从而揭示碳烟成核和生长的机理。在模型研究方面,论文改进了基于PAH碰撞的成核模型,考虑了更多的PAH参与的成核和凝结,采用模糊数学隶属函数的方法,保证了碳烟级与级的数学平滑过渡,并对不同大小碳烟的氧化碰撞系数进行了修正和参数拟合。我们用改进的成核和氧化模型对乙烯和航空燃料（Jet-Al）火焰的碳烟生成进行了计算,并研究了环境参数,如重力水平改变,对碳烟生成特性的影响。为加速详细机理和详细模型的碳烟计算,将机器学习和深度神经网络（DNN）的方法引入碳烟模型研究。论文从碳烟模型和燃烧模型出发,根据碳烟模型和流体动力学计算的特点,对输入参数进行降维。有些组分对碳烟生成敏感,有些组分直接参与到碳烟的成核、生长和氧化过程中,有些组分与碳烟生成不相关不敏感。通过聚类降维得到了由26个输入参数描述的火焰状态空间。碳烟的数密度随碳烟直径大致符合对数坐标-三次函数分布。由体积分数和描述碳烟分布的四个拟合参数这构成了一个碳烟状态的向量空间。当建立起从火焰状态空间到碳烟描述空间的映射之后,基于质量守恒提出了将碳烟质量还原到碳烟前驱体的方法。论文构建了一个含有4个隐含层的深度神经网络。接着我们构建了 120个算例的样本库,并完成了损失函数的构建。论文分别对比了一个预混滞止火焰和一个对冲火焰的计算结果,DNN模型关于体积分数的预测结果和用详细碳烟模型几乎一致,碳烟数密度也能大致和详细气溶胶模型相符。DNN碳烟模型与35级分级气溶胶模型相比,其计算能够加速8-20倍左右。在机理研究方面,论文利用Fukui指数,分析了六元环PAH及其衍生物、五元环的PAH、共振稳定的PAH自由基（RSR）、PAH氧化中间产物的反应活性。在取代基中,反应活性的顺序是:炔基>烯基>烷基。多环芳烃与乙炔基的反应性与多环芳烃的大小密切相关,多环芳烃越大,乙炔基的反应性越低。对于六元环多环芳烃,乙炔基的位置对反应性影响不大。五元环的出现增强了多环芳烃的反应活性,RSR芳烃的反应活性随多环芳烃粒径的增大而降低。在PAH边缘的氧原子显示出很强的反应性,氧原子显示出非常大的Fukui指数,甚至比相应的芳基乙炔还要活泼。通过使用ReaxFF力场,我们模拟了不同火焰温度下碳烟成核和生长的模拟。在较低的温度下（1000K）较小的PAH无法在1000K左右凝结成簇、聚集成核。当在体系中加入一些较大的多环芳烃时,比如只有三个卵苯的加入,整个体系就能够处于聚集状态,提高了成核温度的极限。在中等火焰温度下（1450K）,非键的物理相互作用不足以维持较小PAH的稳定聚集。然而,这些多环芳烃与不饱和脂肪烃之间的化学反应,例如不饱和脂肪烃直接加在PAH的边缘碳原子上实现继续的生长。多环芳烃通过这些支链相互连接,形成用化学键连接的团或簇。在高温的条件下（1750K）,由于大量自由基的攻击,PAH失去氢原子,形成自由基。同时,不饱和烃的加入,使PAH实现链的增长,甚至环的增长。五元环甚至七元环的出现使得PAH出现曲面结构。PAH自由基之间的化学二聚,以及芳基与芳基乙炔的结合,使得在这个温度下,迅速成团成簇。较大的簇继续生长,形成初始成核的碳烟。利用拉伸分子动力学方法研究了 PAH的二聚和在碳烟表面凝结过程自由能变化曲线。我们观察到了两种凝结模式。在低温条件下的凝结更倾向于H型,因为这时有更小的自由能。在多数情况下,随着模拟温度的提升,中间会出现V型凝结的情况。多层富勒烯的结构强化了 PAH的凝结,但对自由能的影响并不显着。氢化富勒烯不稳定,且其表面的C-H键将会阻碍PAH在高温条件下在富勒烯表面的凝结。论文从平衡常数的观点出发,分析了凝结和均相成核过程的反应限度。从PAH质量增加的角度出发,凝结过程要比成核更重要。但成核过程为凝结提供了初始质量增加的起点和数密度。论文利用反应力场分子动力学（ReaxFF-MD）对PAH在富勒烯和碳烟表面的凝结进行了模拟,并统计其分子在富勒烯和碳烟表面的凝结情况,进而拟合出在不同温度下的凝结系数。随着温度的升高,PAH的凝结系数明显下降。PAH越大,凝结系数-温度曲线也会随之向右移动。同时,模拟结果表明氮气加入对凝结系数的影响并不显着。
杨红[2]（2020）在《二恶英毒性预测和毒理的理论计算研究》文中研究说明随着当今世界经济的快速发展,环境污染问题日益突出。持久有机污染物具有高毒性、持久性和生物蓄积性等特征,越来越引起人们的重视。二恶英作为一类持久有机污染物拥有大量的同系物,其中一部分毒性巨大。由于二恶英毒性实验费时费力造成毒性数据的严重匮乏,因此二恶英毒性数据的缺失以及毒性机制的不明确给人类的生产和生活都带来了巨大的影响。本工作的目的是通过使用化学信息学的理论计算方法来高效、准确研究和预测二恶英的毒性,推测其毒性机理,弥补实验化学的不足。第一章持久有机污染物二恶英和化学信息学综述。主要综述了二恶英的相关背景、前人在二恶英研究中取得的成果;介绍了化学信息学的相关知识以及本研究中所使用的化学信息学方法。第二章基于结构活性关系（SAR）和二维定量构效关系（2D-QSAR）评估并预测二恶英的毒性。在这一章中,我们的主要目的是利用结构活性关系和二维定量构效关系的方法来研究影响二恶英毒性大小的因素,并预测二恶英分子的毒性数据。首先使用定性结构活性关系分析了60种二恶英分子的结构和其毒性数值之间的关系,初步得出影响二恶英毒性的因素主要与取代基的种类、取代的位置有关。为了验证定性分析的猜测,利用二维定量构效关系建立了线性和非线性2D-QSAR模型。通过对模型进行验证,线性模型和非线性模型都具有良好的拟合度、鲁棒性、可靠性以及预测能力。分别使用这两种模型对162种缺乏毒性数据的二恶英分子进行了毒性数据预测,并使用Roy提出的方法对预测结果的准确性进行了评判,结果表明两个模型的预测值具有很高的可信度。此外二维定量构效关系还揭示了5个影响毒性的结构因素,这5个结构因素揭示的毒性机制印证了定性结构活性关系分析得到的推测。该工作补充了持久有机污染物二恶英的毒性数据库,为进一步研究二恶英的毒理提供了初步的依据。第三章基于三维定量构效关系（3D-QSAR）和分子对接研究二恶英毒性以及其与AhR的结合模式。在这章中,我们的主要目的是更准确地研究二恶英的三维结构与毒性的定量关系,并确定二恶英分子与受体蛋白质的结合模式。首先利用CoMFA和CoMSIA对两种不同骨架的二恶英分子分别建立3D-QSAR模型。通过对模型等势图的分析,发现了影响二恶英毒性的几个场,确定了这些场对应的影响二恶英分子毒性的结构特征。为了更加直观地看到小分子配体和蛋白质受体之间的结合模式,我们利用分子对接的方法研究了几个典型二恶英分子与蛋白质之间的作用。分子对接的结果表明了不同分子与受体之间不同的结合模式,从而解释了小分子配体毒性差异的原因。该工作得到的结论也进一步验证了前一个工作中得到的结论,共同揭示了影响二恶英分子毒性的结构因素,为进一步研究二恶英的毒理提供了理论依据。第四章总结与展望。在本章中,我们将论文中全部的工作进行了系统地总结,并列出了本论文得到的所有重要结论。
李小琦[3]（2020）在《基于深度张量神经网络理论预测有机小分子间的相互作用能》文中研究表明近年来,对有机分子体系、生物大分子体系、药物设计的研究进入到快速发展时代。对这些体系的研究,离不开分析分子构象之间的相互作用。虽然量子化学的理论计算方法和基于分子力场分子动力学模拟的方法对此是有效的,但是前者所需的计算时间和资源过多,后者又不能很好描述化学反应中分子的变化过程。因此,实现快速准确预测分子间的物理化学性质具有很大的理论和现实意义。本文结合当前热门的人工智能技术,提出一种结合量子化学计算方法的深度张量神经网络（Quantum Mechanics-Deep Tensor Neutral Network,QM-DTNN）,本方法采用将两个有机小分子构象组成的体系中的原子核电荷矢量和原子间距离矩阵作为深度神经网络的输入,把经量子化学计算得到的相互作用能作为神经网络的输出,对深度神经网络训练、验证和预测。在构建数据集时,使用分层生成构象的方法使分子构象以不同密度充满整个有效空间。用深度神经网络预测有机小分子间的相互作用能时,我们采用交叉验证的方法防止过拟合。本文对C4N2H4和C3NH5、C6H13NO4和C6H14O2两种不同的构象的分子间相互作用能进行神经网络训练,发现预测值与QM计算的真值之间有较高的一致性。在对能量不同的构象进行静电相互作用与电荷转移分析时,发现它们的构象相互作用都主要发生在氢键和二氢键上,这与理论研究是一致的,即由C、H、O、N构成的有机小分子间的弱相互作用主要体现在氢键和二氢键上。对于C4N2H4和C3NH5,绝对预测误差平均值errmsan、绝对预测误差的标准偏差值errstd、线性拟合参数a和b接近标准值。对于C6H13NO4和C6H14O2,上述参数均符合实验误差。通过QM-DTNN对以上两种不同的构象的相互作用能预测,并与QM对比证明了DTNN在计算分子间的相互作用能方面具有可行性,而且计算时间也大大的缩短,这为生物大分子体系和药物设计的研究提供了一种可行的研究方法。
吴丰旭[4]（2019）在《蛋白-蛋白/小分子相互作用的分子模拟新方法研究》文中研究指明药物在保障人类健康方面发挥着不可替代的作用。然而,随着时代的发展,开发一个高活性低毒抵抗性的新药越来越难,研发成本也越来越高,研发周期越来越长。计算机辅助药物分子设计在提高新药研发效率方面发挥着重要作用,其核心就是在于利用计算机技术帮助我们理解药物靶标（蛋白质）与药物分子之间的相互作用规律。因此,发展计算机辅助药物分子设计方法具有重要的理论与实际意义。本文将利用DFT、自由能微扰、分子动力学等理论计算方法研究分子间的相互作用,藉此发展分子模拟计算新方法,并应用于小分子结构设计、药物抗性预测以及蛋白-蛋白互作的热点氨基酸预测等方面研究,取得了较为理想的计算结果,进一步结合我们课题组独有的网络计算资源将这些计算工具开发成网络计算平台,便于更多的科研工作者使用这些新方法。首先,我们发展了一种基于DFT量化计算取代基Sterimol立体效应参数的新方法。对三个具体的体系构建了 DFT-QSAR模型,其中对PDK1抑制剂体系的r2达到了 0.890,比使用体积描述符构建的模型（r2=0.748）高了近0.15,显着优于使用体积描述符构建的模型,在其他两个体系中也有不同程度的提高。同时我们还对PDK1抑制剂小分子取代基与靶标局部口袋进行比较,结合QSAR方程,从小分子与受体活性腔相互匹配的层面上解释了方程中取代基的最大长度与活性成正相关的原因,也证明了我们的Sterimol参数在描述立体效应参数的时候比体积描述符更有优势。通过对Sterimol参数量化计算方法的开发和研究,在提高计算精度的同时,还克服了前期开发的体积描述符在描述取代基立体效应方面的不足。其次,开发了基于结构的Hit-to-Lead配体定向进化分子设计方法,用于从苗头化合物到先导化合物的优化。与此同时,我们构建了 44个取代基的片段库,在计算方法上,采用自由能微扰的策略,加上只需要针对苗头化合物-靶标蛋白复合物进行分子动力学模拟而不需要对所有的衍生化合物-靶标蛋白体系进行分子动力学模拟,并且我们在结构优化阶段添加了短时分子动力学模拟使得最后得到的小分子与蛋白的结合模式更加合理,拓展了该方法的使用范围。我们搜集了文献中有活性实验值的19个体系、157个小分子的数据作为数据集验证该方法的准确性,该方法在区分正负样本水平上的准确率达到了 93.6%,预测值与实验值的线性相关值R2达到了0.82,证明了该方法的准确性。最后我们将该方法发展成为AILDE网络服务http://chemvang.ccnu.edu.cn/ccb/server/AILDE/,用于快速精确的 Hit-to-Lead 优化,并且提供给用户提交任务和查看结果的功能,让更多对计算机辅助药物分子设计没有基础的研究者可以零基础方便快捷的使用我们的服务器实现从苗头化合物到先导化合物的优化。然后,我们将自由能微扰理论与分子动力学模拟相结合,构建了基于氨基酸突变扫描的药物抗性预测新方法,相比于传统的基于结构的抗性预测方法,它能模拟更多的突变体类型,而且由于对突变体系增加了短时分子动力学模拟,从而使得突变体与小分子的结合构象更加接近于真实结合构象,构象采样后的结合能计算更加准确。我们对文献中报道的有抗性实验数据的17个体系的突变类型分布广泛的311个突变体进行了计算,最后得到的计算结果显示,在预测样本有无抗性方面准确率接近90%。最后,为了使更多的研究者能使用我们的方法进行药物抗性预测方面的工作,我们构建了第一个基于结构的能够用于多体系从头预测药物抗性的网络计算工具 AIMMS,网址 http://chemyang.ccnu.edu.cn/ccb/server/AIMMS/,可供用户免费使用,并且提供两种提交任务的模式,而且结果输出丰富多样,相信可以给做抗性预测方面的研究者带来更多的便利。并且我们使用AIMMS对植物激素ABA与其靶标PYR复合物进行突变扫描计算,最终成功找到了 4种在实验上能使ABA与PYR结合更紧密的突变体。最后,我们将分子动力学结合自由能微扰的思想应用到蛋白-蛋白相互作用的研究,用于寻找蛋白-蛋白互作界面上的热点氨基酸残基及其突变效应的预测。首先通过丙氨酸扫描的方法寻找蛋白互作界面上的热点氨基酸残基,然后在此基础之上我们进一步的对热点氨基酸残基实施全突变扫描来设计更多的突变体,以期能获得更多对蛋白互作产生较大影响的突变体。基于该方法,我们对有蛋白-蛋白互作实验值的32个体系的758个突变体组成的样本集进行了计算验证,经过统计分析,我们的计算方法在区分正负样本的准确率上达到了 79.3%;计算值与实验值的线性拟合相关系数R2=0.64,比其它已发表的线性系数最高的预测方法要高出超过10%。为了使更多的研究者能够使用我们的方法,我们将蛋白计算突变扫描方法开发成第一个在蛋白-蛋白互作界面上判断热点氨基酸残基及其突变效应的网络计算工具PIIMS,网址http://chemyang.ccnu.edu.cn/ccb/server/PIIMS/,提供给用户免费使用,研究者可以通过服务器提交自己的任务并且获得丰富多样的任务输出展示结果。
李文泽[5]（2019）在《基于机器学习的非共价相互作用计算精度研究》文中进行了进一步梳理非共价相互作用（Non-covalent Interactions,NCIs）又称弱相互作用,这些弱相互作用几乎无处不在,并且在环境、化学、材料以及生命等多个学科领域的研究中扮演着极为重要的角色。非共价键是与共价键相对而言的,不同之处在于其形成过程中不存在电子的共用,但包含了不同属性的、复杂的相互作用,常见的如氢键、范德华力、色散力、π-π相互作用以及卤键等。NCIs涉及到广泛的、与不同尺度分子体系有关的实验现象,特别是对于存在着大量NCIs的大分子体系的研究非常重要。因此,研究非共价相互作用,对环境污染的预防和治理、超分子化学的研究、分子的识别和组装、材料的光电性及导电性和生物大分子稳定性和识别过程等方面具有重要的理论和现实意义。由于NCIs的复杂本质,我们对NCIs认识还相当有限,对精准的NCIs的实验和理论研究工具的需求依然迫切。目前,获得非共价相互作用的方法有实验方法和理论计算方法。实验方法包括红外光谱法,核磁共振法等。通常实验方法准确度较高,但都需要精密昂贵的实验仪器,复杂的实验过程和较多的人力资源,对于大分子来说不易操作。理论计算方法中较为准确地计算方法是基于第一性原理的量子化学计算方法,它包括从头计算、密度泛函理论、微扰理论等。理论计算方法与实验相比,可以大幅节省时间和资源,但目前要达到准确计算的花费也是非常昂贵的,尤其对于大分子来说。近年来,人工智能的再次兴起,为理论化学计算方法的提高和改进提供了新途径,从而为解决非共价相互作用理论计算中难度比较大的问题提出相对简单、高效的新方案。本文针对非共价相互作用的量子化学方法计算精度的提高和预测模型进行了研究,主要成果如下:（1）提出了一种针对小型化学分子数据库的“基于相关性和差异性混合距离的数据集划分方法（HSPXY）”。数据集划分方法的使用,对于基于规模较小数据库建立的模型性能影响很大。数据集划分方法主要分为两类:基于聚类和基于统一分布的方法。通常情况下,基于统一分布的数据集划分方法简单易用,但不考虑样本之间的相关性。因此,有可能不能正确地分配距离较远但相关性很大的样本。在常用的联合x-y距离的数据划分方法（SPXY）的差异距离基础上,充分考虑选取的数据集中样本之间相关性对模型构建的影响,本文提出了一种改进的基于相关性和差异性混合距离的数据集划分方法HSPXY。为了验证其有效性,该方法在小型化学数据库上与一些现有的经典数据划分方法进行比较,使用偏最小二乘方法建立回归模型。与其他同类划分方法相比,基于HSPXY数据划分方法选取了最具有代表性的训练集,构建的回归模型获得了更小的均方根误差和更高的相关系数。这表明该方法为获得具有代表性的训练集提供了一个新的思路。（2）提出了一种“基于非共价相互作用数据库的集成学习通用框架”。准确的NCIs计算对于第一性原理方法要求很高,对于这些方法,合理的机器学习模型可以成为以最少计算资源获得高精度NCIs值的有效解决方案。因此,本研究通过对量子化学计算得到的非共价相互作用分子的化学性质构建定量构效关系（QSAR）模型,探讨了三种不同类型的集成学习对NCIs校正和预测问题的研究。针对Bagging和Boosting类型,我们选择已有的且具有代表性的集成学习方法,随机森林和梯度提升树构建回归模型。在Stacking类型中,我们首先使用五种不同类型的特征选择方法构建特征子集,用于构建多样性的基学习器,然后将基学习器的输出作为元学习器的输入进行回归建模。根据选择的基学习器的差异,得到同质Stacking（Homo-SE）和异质Stacking（Hete-SE）两种集成模型。考虑到模型性能对基学习器数量和类型的敏感性,我们通过构建多个回归模型对其分析并优化该参数。经过实验分析表明,集成模型在基准数据集上的结果明显优于单一机器学习方法。尤其是Hete-SE方法,在所有方法中表现最好。最后,根据实验结果总结设计出一种针对非共价相互作用数据库的通用集成学习框架。（3）为了进一步提高非共价相互作用的预测精度和减少人为干预的特征选择,首次提出了“融合策略的3D-CNN深度学习框架DeepNCI”并开发了DeepNCI工具包。DeepNCI以分子的电子密度和传统量子化学计算的化学性质作为输入,分别通过多层卷积神经网络和普通神经网络进行特征抽象,避免了人工干预的特征选择。对输出的两种抽象特征进行融合输入到全连接的神经网络层用于最终NCIs的预测。我们在基准数据集上对DeepNCI进行了测试,实验结果表明DeepNCI方法优于现有最优方法。通过对原始特征和抽象特征T-SNE可视化对比,显示出DeepNCI网络可以检测到非共价相互作用相似样本的相似特征和不同样本的判别性特征,即卷积神经网络可以在一定程度上捕获与非共价相互作用相关的特征。具有电子密度输入的深度神经网络结构突破了大分子预测NCIs的泛化极限,为外推分子系统获得合理的NCIs提供了可能。此外,为进一步的应用程序定义了DeepNCI模型的适用性领域,并且判断了基准数据库中所有测试样本都属于应用程序领域。为了测试DeepNCI的可迁移性,使用迁移学习方法将DeepNCI框架应用于只包含几十个样本的均裂能小数据库上。利用均裂能与非共价相互作用问题的性质一致性,迁移学习方法很容易应用于DeepNCI框架。实验结果显示,采用迁移学习训练的DeepNCI模型实现了与其他方法相当的预测能力,验证了该模型的可迁移性。
邱尤丽[6]（2019）在《基于药效团模型的环境友好型PAEs衍生物光谱增强研究》文中提出邻苯二甲酸酯（Phthalate acid esters,PAEs）是最广泛使用的增塑剂之一,并广泛应用于塑料产品的生产,诸如食物包装材料、玩具、医疗用品和个人护理品等产品中被广泛使用。当PAEs与塑料分子结合时,其保持相对独立的化学性质,PAEs在使用过程中从塑料中扩散出来,空气、水、土壤和食物受到污染,因此PAEs对环境的影响逐渐引起社会关注。PAEs对人类健康具有致畸性、致癌和致突变性,其中6种PAEs被美国环境保护局列为优先污染物,PAEs现已被人们称为“第二个全球性PCB污染物”。但以往的研究大多局限在光降解、生物降解行为以及基于此开展的处理技术研究等,而缺乏通过利用取代基对分子结构的修饰调控研究。因此,本文以PAEs为研究对象,以量子化学计算和3D QSAR药效团模型为主要研究方法,以开展PAEs光谱辨识及建立PAEs的光谱增强检测技术为主要研究目的,并为指导设计环境友好型PAEs分子提供理论依据,最终从光谱辨识、光谱增强、寻求替代品等方面对PAEs的环境行为进行控制,减少其对环境的危害性。密度泛函理论用于优化各种PAEs的结构,并计算它们的拉曼光谱、红外光谱和紫外光谱,以提取PAEs特征光谱信息,对PAEs进行了光谱辨识,并分析了溶剂化效应对PAEs光谱的增强作用。研究结果表明:根据拉曼振动和波数差,识别了12种PAEs的拉曼特征光谱,筛选出对PAEs拉曼光谱具有显着溶剂化作用的溶剂（苯）,最大拉曼峰之间的波数差异大于拉曼光谱0.2cm-1的最低检出限,实现了16种PAEs拉曼特征振动光谱的理论辨识。依靠红外光谱的酯基振动频率值可实现多种PAEs间的辨识,16种PAEs中仅12种PAEs紫外吸收光谱峰之间的最小波数差大于紫外光谱检测仪器的最小分辨率0.10nm,溶剂化效应可使其余4种PAEs的吸收峰分布更为分散从而易于区分。Discovery Studio软件用于构建PAEs拉曼、红外和紫外光谱的3D QSAR药效团模型,基于3D QSAR药效团进行PAEs的光谱衍生增强研究,并从衍生化反应的难易程度对PAEs衍生物进行筛选。研究结果表明:疏水特性在已建立的PAEs三种光谱性质相应的3D QSAR药效团中起最重要的作用,以3种列入环境优先控制的PAEs（DMP、DBP、DNOP）为模板分子设计出多种PAEs衍生物,其中拉曼特征振动光谱强度增强程度最大的是6.25倍、2.05倍和1.56倍,红外特征振动光谱强度增强程度最大的是76.98%、26.49%和16.42%,紫外光谱强度增强程度最大的是121.85%、105.20%、191.11%。此外,表征了 PAEs衍生化反应的难易程度,并获得了取代基与PAEs分子之间的取代反应顺序。荧光光谱法是PAEs的主要检测方法之一,而PAEs本身不具有荧光特征,基于单、双取代修饰的高灵敏性PAEs衍生物荧光光谱理论检测方法的构建表明:相较于与牛血清（BSA）蛋白结合后PAEs的荧光强度,PAEs单、双取代衍生物的荧光光谱强度分别显着提高100%-1850%、28.20-110.00倍,具有高灵敏性。具有荧光光谱特性的PAEs衍生物,其功能性（稳定性、绝缘性）未受到影响,其持久性、迁移性和毒性均有不同程度的降低,生物富集性无明显变化,具有环境友好型。在相同荧光光谱波长范围内（240-420nm）,具有荧光光谱特征的PAEs衍生物之间、与POPs（多环芳烃）之间不存在干扰,基于2D QSAR的荧光特征机理分析发现,占用轨道能量值及密立根电荷数是PAEs衍生物是否具备荧光光谱特性的主要因素。BSA蛋白与目标PAEs分子对接构象显示了 BSA蛋白活性位点处与目标PAEs直接相互作用的关键氨基酸残基,共设计了 8种BSA蛋白的氨基酸序列改造方案;选用同源建模方法获得新型BSA蛋白结构,对新型BSA蛋白与目标PAEs的结合亲和性评价发现,新型BSA-3蛋白与目标DMP、DBP和DNOP结合亲和性提升幅度最为显着,依次为3.37%、12.88%和16.30%;同时借助Gaussian09软件计算BSA蛋白改造前后与目标PAEs结合的荧光光谱强度的变化发现,新型BSA-7蛋白、新型BSA-8蛋白、新型BSA-4蛋白与目标DMP、DBP和DNOP结合后的荧光强度分别增强了 1.80倍、103.50倍和61.43倍,可实现目标PAEs的快速高效检测。此外,还开展了低雌激素活性兼具荧光特征的PAEs分子设计,利用PAEs的分子结构和EC50值构建了雌激素活性的3D QSAR药效团模型,模型具有良好的预测能力和稳定性,并进行了低雌激素活性的分子设计,在此基础上以高荧光光谱强度作为筛选手段,获得12种低雌激素活性（降低程度达3个数量级）且具有高荧光光谱强度（显着提高20倍以上）的PAEs衍生物,并具有环境友好型。分子对接技术用于研究PAEs衍生物雌激素活性降低的作用机理发现,PAEs及其衍生物与雌激素受体结合时,相互作用形成的键长越长,雌激素活性越低。
赵晓辉[7]（2019）在《环境友好型氟喹诺酮分子修饰及其机理研究》文中指出氟喹诺酮类物质（Fluoroquinolones,FQs）作为常用的抗生素药物,通过医疗卫生和畜禽水产养殖行业的持续广泛使用,随着污水、粪便及污水处理污泥进入自然环境而被频繁检出,诱导土壤环境微生物、动物及人体内细菌抗药性的产生,并干扰动植物个体正常的生理机能,通过食物链影响生态系统平衡和人类健康,作为新兴污染物而引起广泛关注。医疗废水、制药废水和畜禽养殖废水中高浓度的FQs对污水处理设施生化单元的微生物群落形成高强度选择性压力,导致去除效率低下。芬顿、臭氧、光催化等高级氧化技术的降解较为彻底,但存在着药剂消耗量大、能耗及运行费用高的问题。本文基于FQs分子结构与物质特性的关系,立足于从源头控制和减缓FQs的不利环境效应,为新兴污染物特别是药物化合物环境污染的源头防控提供理论借鉴。首先通过构建功能特性（细菌遗传毒性）和环境特性（光解、生物富集性）的定量构效关系模型,揭示有利于物质特性改善的分子结构修饰信息,以此指导设计了功能特性改善且兼具环境友好性的FQs衍生物。利用量子化学计算方法推断FQs光敏化反应路径及机理,借助分子对接方法考察FQs及其衍生物与DNA拓扑异构酶及两者复合物之间的结合能力,分析生物富集性和细菌遗传毒性的差异性及作用机理,在分子生物学层面对修饰方法进行效果验证,并通过耦合定量构效关系模型和因子分析的方法探究了 FQs各类分子参数对细菌遗传毒性的影响程度,拓宽获取分子修饰指示信息的途径。最后对FQs衍生物在生物体内代谢、光解、微生物降解和氯化消毒过程的转化路径及降解产物进行了推断,通过考察降解产物较母体衍生物遗传毒性的变化,分析其潜在的环境风险,开阔了环境友好型衍生物的筛选思路。主要研究内容及结果如下:1、利用CoMFA和CoMSIA两种方法构建FQs分子结构与光解半衰期logt1/2的光降解性3D-QSAR模型,通过三维等势图分析获取有利于光解半衰期t1/2缩短的分子修饰指示信息。以环丙沙星CIP为模板分子,在哌嗪环的C-13位置引入修饰基团得到9种光解性提高的CIP衍生物,借助遗传毒性3D-QSAR模型预测,发现在光解特性改善的同时功能特性不降低。通过量子化学计算CIP光敏化反应路径的能垒和反应热,发现芳香环羟基化是主要的反应类型,氧化脱羧反应最难发生,哌嗪环断裂发生的可能性最大。CIP衍生物在光解半衰期t1/2缩短的同时,光解反应哌嗪环断裂所需的能垒也有所降低。通过考察与白腐真菌漆酶的结合能力,发现CIP及其衍生物在光解后均生成生物降解性提高的产物,其中经哌嗪环断裂得到的产物最为显着。2、利用CoMSIA方法构建FQs分子结构与辛醇-水分配系数Kow的生物富集性3D-QSAR模型,通过三维等势图分析获取有利于生物富集性降低的分子修饰指示信息。以那氟沙星NAD为模板分子,在C-3位和C-18位分别开展单、双取代得到23种NAD衍生物,之后借助QSAR模型和分子对接预测评价细菌遗传毒性、光解性及其与细菌DNA拓扑异构酶的结合能力,最终筛选出13种低生物富集性、高遗传毒性和光降解性基本保持的衍生物。采用分子对接方法考察NAD及衍生物与细菌DNA拓扑异构酶的相互作用,推断生物富集作用的差异性与作用位点处参与氨基酸残基的疏水性能、衍生物中亲水基团和周围游离水分子之间的作用键长有关。3、利用PLS方法构建FQs分子拓扑结构信息与鼠伤寒沙门氏菌（革兰氏阴性菌）遗传毒性（功能特性）的HQSAR模型,通过活性贡献图分析获取有利于遗传毒性增强的分子修饰指示信息。在C-7号位引入修饰基团得到35种FQs衍生物,之后借助QSAR模型和分子对接方法预测评价光解性、生物富集性及其与细菌遗传毒性作用靶点——DNA-拓扑异构酶复合物的结合能力,最终筛选出4种杀菌效果显着提升且兼具环境友好性的FQs衍生物。利用分子对接方法考察氨氟沙星AMI及其衍生物与肺炎链球菌拓扑异构酶Ⅳ-DNA复合物的相互作用,发现精氨酸ARG、天冬酰胺ASN、天冬氨酸ASP、亮氨酸LEU是参与作用的主要氨基酸种类,其亲水性对结合起重要影响;静电作用方式强于范德华力作用,参与静电作用的氨基酸使用频率的增加有利于两者结合能力的增强。4、耦合2D-QASR模型与因子分析两种方法考察4类32种FQs分子参数（包括电子参数、理化参数、谱图参数和几何参数）对细菌遗传毒性的影响,发现代表分子临界温度的沸点（Boiling Point,BP）、临界温度（Critical Temp,CT）、能隙值（Energy gap,EG）参数和代表分子内部结构的立体效应参数（steric parameter,MR）、分子量（Molecular Weight,Mol Wt）、红外 C-O 键伸缩振动频率（IRC-O stretching vibration frequencies,IR-（C-O）svf）参数均起主要影响作用,可为FQs细菌遗传毒性的分子设计及修饰提供指示信息。5、对本文所设计的6种FQs衍生物在生物体内代谢、自然光解、微生物降解和氯化消毒过程的转化路径及产物进行了推断,利用HQSAR模型预测分析转化产物较其母体衍生物遗传毒性的变化,发现除氯化消毒产物普遍降低外,其他三个降解过程的部分产物出现升高现象进而存在潜在的环境风险。
辛美玲[8]（2018）在《基于DFT和分子对接的PCBs氧化降解和生物降解机理研究》文中认为多氯联苯（PCBs）被广泛用于热交换剂、润滑剂、变压器和电容器内的绝缘介质、增塑剂以及阻燃剂等重要的化工产品,是环境中存在的一类典型含氯有机污染物,大量的PCBs副产品被释放到环境中会造成严重污染,因此在环境中的转化和去除途径一直是人们所关注的热点问题。PCBs化学性质非常稳定,不易水解,也不易与强酸强碱等发生反应,但在一定条件下能被大气中的强氧化剂（如·OH）氧化降解,与自由基的氧化降解也成了 PCBs在环境中的主要降解方式。本文基于密度泛函理论（DFT）在6-31G*基组下选择PCB-77为目标污染物,推断其在大气环境中与大气氧化剂·OH、O2、NOx、1O2的连续反应路径,对路径中各反应物、过渡态、中间体以及产物的结构进行优化,计算各反应路径的能垒值、反应热以及反应速率,以筛选大气环境中PCB-77最有可能发生的降解反应路径,并在此基础上计算常见的11种极性和非极性溶剂（环乙烷、四氯化碳、苯、氯仿、二氯甲烷、丙酮、乙醇、甲醇、乙腈、二甲基亚砜、水）下PCB-77降解反应能垒及反应速率,旨在考察大气环境中PCB-77增强降解的溶剂化效应。PCB-77与·OH易于发生加成反应,且优先加成到PCB-77的C5原子上（无C1原子取代）生成中间体IM5,IM5可与02发生连续的加成反应或者直接直接脱氢生成羟基化的PCB-77;溶剂化效应计算结果表明:环己烷、四氯化碳、苯可以降低PCB-77降解反应路径的反应能垒,其中,苯的溶剂化效应最大,可降低降解反应总反应能垒25%;环己烷、四氯化碳、苯、二氯甲烷、丙酮、乙醇均可不同程度提高PCB-77降解反应路径的总包反应速率,但总包反应速率的增幅最大仅为8%（苯）,说明PCB-77在大气环境中被大气氧化剂氧化降解的溶剂化效应具有一定的显着性。微生物降解PCBs可以实现彻底矿化,是土壤及水环境中PCBs降解的有效途径,也是环境中主要依赖的降解途径。利用类二嗯英类PCBs大气氧化降解产物二羟基多氯联苯与2,3二羟基联苯双加氧酶（Bphc,PDBID:IKW6）进行分子对接,构建以分子结构参数为自变量,对接打分函数（Kd值,代表对接活性）为因变量的分子相似性指数分析（CoMSIA）与分子全息定量结构-活性相关关系（HQSAR）模型,并对二羟基多氯联苯进行分子修饰,以期提高二羟基多氯联苯对接活性。结果显示,Bphc酶对二羟基多氯联苯均有不同程度的降解能力,其中,影响Bphc酶对接活性的氨基酸残基为:His145、Va1147、ILE174、His194、His208、His209、His240、ASN242、TYR249、THR280,且二羟基多氯联苯与氨基酸残基对接形成的氢键越多,其对接活性越高。此外,利用CoMSIA模型中分子静电场三维等势图并辅以HQSAR模型中分子活性贡献图,以打分函数较低的二羟基多氯联苯5,6-2OH-CB60为目标分子,设计出8种打分函数显着提升的新型分子,其对接活性提高65%～185%,分子毒性（IC50）下降10%～83%,生物富集性（BCF）下降4%～27%,迁移性（KoA）与半衰期（t1/2）增降幅基本不变。所设计新型分子反应路径的推断可以验证二羟基多氯联苯5,6-2OH-CB60在环境中可进一步通过与活性自由基或与活性分子反应生成本文所设计的新型5,6-2OH-CB60分子,即类二恶英类PCBs可通过大气氧化降解最终生成酶降解性显着提高的新型二羟基多氯联苯,可达到进一步控制类二恶英类PCBs环境行为的目的。
陈俊莹[9]（2017）在《二恶英污染物毒性与结构间定量构效关系的探究》文中研究指明有机环境污染物或其他分子结构污染物毒性的预测是现代毒理学研究的主要方面之一,并且化合物的潜在毒性可以等同于它们的生物化学和物理学性质进行评估。二恶英系列化合物是多卤代/多氯芳香化合物作为各种工业过程的副产物形成的主要有机污染物。二恶英系列化合物包括多氯二苯并-对-二恶英（PCDDs）、多氯二苯并呋喃（PCDFs）和多氯联苯（PCBs）三大类物质。它们都具有极好的疏水性和亲脂性特征,这些特征使得它们富集在脂肪组织和肝脏中,并且可以长时间停留在体内。因此,这些化合物被定义为持久性有机污染物（POPs）,可以进入水体并积累在土壤,沉积物,生物群,人类和食物网中,对我们人类,动植物和生态环境构成严重的健康威胁。所以,它们被世界卫生组织认定目前环境污染物中毒性相对较高的持久性有机污染物。定量构效关系（Quantitative Structure-activity Relationships,QSAR）是分析、评估有机分子的生态毒理学的强有力的工具,对有机污染物的毒性研究起到很大的推动作用,特别是在生态环境中的多氯代二苯并呋喃、多氯代二苯-并-对二恶英、多氯联苯等持久性有机污染物的毒性研究方面。通过阅读大量的相关文献,查阅到了35个PCDFs、17个PCDDs、14个PCBs分子及其对应的毒性数据pEC50。我们利用高斯软件（Gaussian 09）在密度泛函理论（DFT）的基础之上,通过使用低级组B3LYP/6-31G+（d,p）分别对三组分子进行结构优化,然后在高级组B3LYP/6-311G+（3df,2p）水平下计算三组化合物分子的结构参数,进一步计算整理得到三组化合物分子的结构参数;再应用SPSS（Version19.0）软件的主成分分析（PCA）模块对三组化合物的结构参数做主成分分析,提取出了能够影响二恶英系列化合物毒性的主要结构因子,包括最高占据轨道能、最低空轨道能、苯环电荷、Cl原子的个数、Cl原子的最大电荷以及所有Cl原子的电荷总和、活泼位点的电荷以及极化率等在内的结构参数。最后,再通过Matlab软件设计BP神经网络模型对三组分子的毒性进行预测,并计算误差的平方和（用PRESS值来表示）,各组分子对应的PRESS值分别为0.0415、0.01735和0.0020,其结果表明我们建立的网络模型具有一定的可预测性。同时,本研究的结果对于预测和识别其他有毒化合物的毒性、降解有毒的二恶英或者转化无毒二恶英等具有一定的参考价值。
姜龙[10]（2016）在《基于量化计算与QSAR的PBDEs光谱辨识与环境行为控制研究》文中研究表明多溴联苯醚（Polybrominated diphenyl ethers,PBDEs）是一类含有209种同系物的溴代阻燃剂,自上世纪60-70年代以来,PBDEs被广泛应用在纺织品、电路板、塑料制品、电子产品、建材等领域。PBDEs聚合物内分子彼此间缺乏化学键作用,化学性质不稳定,在生产、使用与废弃的过程中PBDEs聚合物都有可能向周围环境中释放PBDEs,从而引起负面环境效应。研究表明,PBDEs在自然环境中具有显着的环境持久性、生物毒性、长距离迁移性及生物蓄积性,因此于2009年被划定为持久性有机污染物（Persistent organic pollutants, POPs）,这其中尤以生物毒性、潜在的内分泌干扰性及致癌性最为研究者所关注。由于缺乏实验检测基础数据,以往研究大多局限在典型PBDEs同系物中展开,缺乏对209种PBDEs同系物间的环境行为对比分析及内在规律总结,而对于POPs特性也多只针对其中一种开展研究。本文借助量子化学计算与定量构效关系模型（QSAR）对研究所需PBDEs环境行为基础数据进行了补足,首先以生物毒性为切入点,评价209种PBDEs同系物的生物毒性等级,在此基础上分析与高/中等生物毒性显着相关的PBDEs特征分子振动光谱信息并开展代表性同系物间的辨识研究,为评价PBDEs同系物生物毒性提供基于分子振动光谱的理论手段,最后分别从设计对环境危害小的新型阻燃剂（同时开展控制4项POPs特性的研究）与降解环境中已有PBDEs两方面入手开展PBDEs的环境行为控制研究。本文以209种PBDEs同系物为研究污染物,以与芳香烃受体结合能力为生物毒性指标,构建基于量化参数／取代基参数的定量构效关系模型（QSAR）实现对209种PBDEs同系物的生物毒性预测、等级标定与机理分析。研究结果表明：209种PBDEs同系物中只有BDE-85为高等生物毒性,13种同系物为中等生物毒性,剩余195种同系物为低等生物毒性；PBDEs自身的取代特征对其生物毒性具有显着的调控作用,不同取代位置对其PBDEs生物毒性的影响顺序为：邻位>对位>间位,其中邻位取代基的引入可显着减弱PBDEs生物毒性,而对位取代基则显着提高；芳香烃受体蛋白与配体PBDEs同系物分子间的非键相互作用决定着两种分子对接的位置及结合强度。根据生物毒性级别判定结果,提取影响PBDEs高／中等生物毒性的特征分子振动光谱信息并选取具有高／中级别生物毒性的同系物及在环境中分布最为广泛的PBDEs为典型同系物,分别从特征振动方式、振动谱区开展同系物间的辨识研究,最后分析溶剂化效应对PBDEs分子振动光谱的增强效应。研究结果表明：依靠拉曼光谱C-O伸缩振动频率值可实现代表性PBDEs同系物间的辨识,与此同时拉曼光谱三角呼吸振动频率值可简单划分生物毒性的高低,并且具有相同级别生物毒性的同系物在红外C-O伸缩振动谱区也可实现聚类分布;溶剂化效应可显着增强PBDEs分子振动光谱峰强且使振动峰分布更为分散从而易于代表性PBDEs间的区分,其中二甲亚砜的溶剂化增强效应最为显着。对于环境行为控制研究,一方面,利用药效团模型与全析因实验设计模型构建PBDEs的4种POPs特性综合调控方案,选取代表性同系物进行改性设计得到修饰后物质,并分别从POPs特性与阻燃性对修饰后物质进行性能评价。研究结果表明：在分别建立的PBDEs4个POPs特性各自的3D药效团模型中,疏水性特征都起着最为重要的作用,疏水性基团乙烯基与丙烷基的PBDEs4种POPs特性调控作用最强,而硝基则与典型的亲水性基团羟基表现为显着加剧POPs特性的效应；设计得到的以二疏水取代后同系物为代表的改性物质在POPs特性上表现出较好的改性效果,尤其是生物毒性（平均削减70.60%）与长距离迁移性（平均削减70.88%）,并同时保有与改性前同系物相近的阻燃特性。另一方面,系统分析光解难易程度与光解速率在209种PBDEs同系物中的分布规律（与PBDEs取代特征间的效应关系）,并借助溶剂化效应评价PBDEs在各有机溶剂中的降解性及分析溶剂化效应促进PBDEs自然光解及与.OH反应光解的作用机理。研究结果表明：PBDEs在环境中的自然光解过程主要受PBDEs上的溴取代基的数量、邻位取代基数量及取代基分布紧密性影响；四氢呋喃与氯仿溶剂可促进PBDEs的自然光解过程,激发态PBDEs与激发态溶剂分子间的光致反应是有机溶剂促进PBDEs自然光解的原因；PBDEs与.OH间最易发生在不含取代基位置上的加成反应,有机溶剂可减少该反应路径所需能垒同时提高该反应的放热量。
二、用量子化学方法预测PCDFs的Ah受体结合能力(1)——神经网络模型（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、用量子化学方法预测PCDFs的Ah受体结合能力(1)——神经网络模型（论文提纲范文）
（1）碳氢燃料燃烧碳烟生成的分子动力学模拟和模型研究（论文提纲范文）
| 摘要 |
| Abstract |
| 主要符号说明表 |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 碳烟研究的实验手段 |
| 1.2.1 体积分数的测量 |
| 1.2.2 气相化学的测量 |
| 1.3 碳烟生成的研究现状 |
| 1.3.1 碳烟成核的研究 |
| 1.3.2 碳烟表面生长、颗粒聚结和团聚 |
| 1.3.3 碳烟的氧化和破碎 |
| 1.4 碳烟模型的发展 |
| 1.5 待解决的问题和论文安排 |
| 1.5.1 尚未解决的科学问题 |
| 1.5.2 论文的章节安排 |
| 第2章 层流火焰碳烟生成的模型改进及其应用 |
| 2.1 燃料和PAH机理简介 |
| 2.1.1 燃料机理 |
| 2.1.2 PAH的生成机理 |
| 2.2 详细碳烟模型介绍 |
| 2.2.1 PAH-PP模型 |
| 2.2.2 分级气溶胶模型 |
| 2.3 改进的碳烟成核和氧化模型 |
| 2.3.1 成核模型的改进 |
| 2.3.2 氧化模型的改进 |
| 2.4 乙烯、航空煤油扩散火焰碳烟生成研究 |
| 2.4.1 模型和方法 |
| 2.4.2 温度场分布 |
| 2.4.3 层流乙烯/空气扩散火焰的碳烟生成结果分析 |
| 2.4.4 层流Jet-Al/空气扩散火焰的碳烟生成 |
| 2.5 微重力下层流火焰碳烟生成研究 |
| 2.5.1 微重力碳烟生成研究简介 |
| 2.5.2 模型和方法 |
| 2.5.3 重力对火焰结构及温度场的影响 |
| 2.5.4 重力对碳烟前驱体及其分布的影响 |
| 2.5.5 碳烟质量增加各个过程分析 |
| 2.5.6 PAH在碳烟表面凝结的重要性 |
| 2.5.7 碳烟直径的变化 |
| 2.5.8 微重力下碳烟生成特征总结 |
| 2.6 本章小结 |
| 2.6.1 本章主要结论 |
| 2.6.2 模型的不足 |
| 第3章 从多环芳烃到碳烟成核的分子动力学模拟 |
| 3.1 PAH的反应活性分析 |
| 3.1.1 密度泛函理论的简单介绍 |
| 3.1.2 反应活性分析的基本理论 |
| 3.1.3 含炔基、烯基、烷基官能团的芳烃反应活性 |
| 3.1.4 含有五元环的PAH及共振稳定的PAH自由基反应活性 |
| 3.1.5 含氧官能团的PAH反应活性 |
| 3.1.6 利用Fukui指数理解PAH反应的发生 |
| 3.2 反应力场的分子动力学 |
| 3.2.1 分子动力学和力场概述 |
| 3.2.2 基于ReaxFF力场的分子动力学 |
| 3.3 基于ReaxFF力场的火焰温度下碳烟生成的分子动力学模拟 |
| 3.3.1 模拟设置 |
| 3.3.2 低温下的非均相成核 |
| 3.3.3 中温下碳烟生长的模拟 |
| 3.3.4 高温下碳烟成核及生长的模拟 |
| 3.4 本章小结 |
| 第4章 PAHs与碳烟的物理相互作用 |
| 4.1 自由能计算 |
| 4.1.1 自由能微扰理论简介 |
| 4.1.2 热力学积分方法简介 |
| 4.1.3 非平衡近似方法 |
| 4.2 拉伸分子动力学介绍 |
| 4.3 PAH二聚及其与富勒烯和碳烟的相互作用 |
| 4.3.1 研究对象和模拟设置 |
| 4.3.2 PAH二聚过程 |
| 4.3.3 PAH在富勒烯表面的凝结 |
| 4.3.4 PAH在多层富勒烯和氢化富勒烯表面的凝结 |
| 4.4 PAH二聚及在其在碳烟表面凝结的稳定性分析 |
| 4.4.1 稳定温度上限 |
| 4.4.2 稳定平衡分析 |
| 4.4.3 PAH在不同温度下凝结的ReaxFF-MD的验证 |
| 4.5 PAH在富勒烯与碳烟表面凝结的凝结系数研究 |
| 4.5.1 凝结系数研究的理论基础 |
| 4.5.2 芘在富勒烯C_(540)表面的凝结系数研究 |
| 4.5.3 PAH在碳烟表面凝结的凝结系数研究 |
| 4.6 本章小结 |
| 第5章 基于深度学习的碳烟生成模型 |
| 5.1 机器学习介绍 |
| 5.1.1 机器学习的基本原理 |
| 5.1.2 深度神经网络基本概念 |
| 5.1.3 机器学习平台介绍 |
| 5.2 输入参数的降维 |
| 5.2.1 主成分分析方法降维 |
| 5.2.2 聚类方法降维 |
| 5.2.3 碳烟模型输入参数的选择 |
| 5.3 深度神经网络的碳烟模型构建 |
| 5.3.1 从火焰状态空间到碳烟描述空间 |
| 5.3.2 数据预处理 |
| 5.3.3 质量守恒 |
| 5.3.4 DNN模型及参数选择 |
| 5.3.5 Dropout方法介绍 |
| 5.4 样本构建 |
| 5.4.1 Chemkin软件 |
| 5.4.2 火焰样本构建 |
| 5.5 模型测试与分析 |
| 5.5.1 损失函数构建 |
| 5.5.2 优化算法 |
| 5.5.3 碳烟的预测结果 |
| 5.5.4 模型适用范围 |
| 5.5.5 计算时间对比 |
| 5.6 本章总结 |
| 第6章 总结与展望 |
| 6.1 主要结论 |
| 6.2 主要创新点 |
| 6.3 研究展望 |
| 参考文献 |
| 致谢 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
（2）二恶英毒性预测和毒理的理论计算研究（论文提纲范文）
| 中文摘要 |
| Abstract |
| 第一章 持久有机污染物二恶英和化学信息学综述 |
| 1.1 二恶英及其研究进展 |
| 1.1.1 二恶英概述 |
| 1.1.2 二恶英的研究进展 |
| 1.1.3 二恶英研究局限 |
| 1.2 化学信息学 |
| 1.2.1 化学信息学概述 |
| 1.2.2 化学信息学方法介绍 |
| 1.2.2.1 定量构效关系 |
| 1.2.2.1 .1二维定量构效关系及其步骤 |
| 1.2.2.1 .2三维定量构效关系及其步骤 |
| 1.2.2.2 分子对接 |
| 1.3 本论文的研究工作 |
| 第二章 基于结构活性关系(SAR)和二维定量构效关系(2D-QSAR)评估并预测二恶英的毒性 |
| 2.1 引言 |
| 2.2 实验与方法 |
| 2.2.1 数据集 |
| 2.2.2 分子描述符的计算和选择 |
| 2.2.3 结构活性关系 |
| 2.2.4 模型建立 |
| 2.2.5 模型的验证 |
| 2.2.6 应用域确定 |
| 2.3 结果和讨论 |
| 2.3.1 SAR结果与讨论 |
| 2.3.2 MLR模型结果与讨论 |
| 2.3.3 ANN模型结果与讨论 |
| 2.3.4 应用域分析以及模型的比较 |
| 2.3.5 描述符解释 |
| 2.3.6 模型的预测 |
| 2.4 结论 |
| 第三章 基于三维定量构效关系(3D-QSAR)和分子对接研究二恶英的毒性以及其与AhR的结合模式 |
| 3.1 引言 |
| 3.2 实验与方法 |
| 3.2.1 3D-QSAR |
| 3.2.1.1 数据来源以及分子结构优化 |
| 3.2.1.2 模型建立以及验证 |
| 3.2.2 分子对接 |
| 3.2.2.1 同源建模 |
| 3.2.2.2 结合模式确定 |
| 3.3 结果与讨论 |
| 3.3.1 3D-QSAR模型 |
| 3.3.2 图形解释 |
| 3.3.3 分子对接结果讨论 |
| 3.3.4 模型的预测 |
| 3.4 结论 |
| 第四章 总结与展望 |
| 4.1 总结 |
| 4.2 展望 |
| 参考文献 |
| 在学期间的研究成果 |
| 致谢 |
（3）基于深度张量神经网络理论预测有机小分子间的相互作用能（论文提纲范文）
| 摘要 |
| Abstract |
| 1 引言 |
| 1.1 有机小分子的相互作用 |
| 1.2 分子动力学模拟 |
| 1.3 量化计算 |
| 1.4 神经网络概述 |
| 1.5 国内外研究现状 |
| 1.6 本文的主要工作 |
| 2 基于深度张量神经网络(DTNN)预测相互作用能 |
| 2.1 分子间的相互作用能 |
| 2.2 有机小分子的获得 |
| 2.3 DTNN预测相互作用能的理论 |
| 2.3.1 输入层原理 |
| 2.3.2 输出层原理 |
| 2.3.3 D_(ij)的高斯特征展开 |
| 2.3.4 T相互传递 |
| 2.3.5 E_t分子的能量 |
| 2.3.6 DTNN的实现框架 |
| 2.4 交叉验证 |
| 2.5 本章小结 |
| 3 QM-DTNN与有机小分子的方法实现 |
| 3.1 相互作用能的量化计算 |
| 3.2 DTNN的输入 |
| 3.3 训练和 |
| 3.3.1 训练集分析 |
| 3.3.2 验证集分析 |
| 3.3.3 测试集分析 |
| 3.3.4 训练结果的参数集合 |
| 3.4 训练和 |
| 3.4.1 训练集分析 |
| 3.4.2 验证集分析 |
| 3.4.3 测试集分析 |
| 3.4.4 训练结果的参数集合 |
| 3.5 静电相互作用与电荷转移 |
| 3.6 本章小结 |
| 4 数据结果分析 |
| 4.1 数据a的分析 |
| 4.2 数据b的分析 |
| 4.3 数据err_(mean)的分析 |
| 4.4 数据err_(std)的分析 |
| 4.5 本章小结 |
| 5 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 攻读硕士学位期间发表学术论文情况 |
| 致谢 |
（4）蛋白-蛋白/小分子相互作用的分子模拟新方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 本文主要创新点 |
| 第一章 文献综述 |
| 1.1 引言 |
| 1.2 计算机辅助药物设计 |
| 1.2.1 基于配体的药物设计 |
| 1.2.2 基于结构的药物设计 |
| 1.3 DFT-QSAR的发展和立体效应参数 |
| 1.3.1 QSAR及其基本方法 |
| 1.3.2 DFT-QSAR的发展 |
| 1.3.3 立体效应参数 |
| 1.4 先导化合物的设计和发现 |
| 1.4.1 先导化合物的发现方法 |
| 1.4.2 计算机辅助先导发现研究进展 |
| 1.5 药物分子的抗性及抗性预测方法 |
| 1.5.1 基于数据的预测方法 |
| 1.5.2 基于结构的预测方法 |
| 1.5.3 药物抗性预测研究进展 |
| 1.6 蛋白-蛋白互作和热点氨基酸残基 |
| 1.6.1 蛋白质互作的测定方法和数据库 |
| 1.6.2 蛋白质互作研究对药物设计的意义 |
| 1.6.3 热点氨基酸残基的预测方法研究进展 |
| 1.7 课题的提出 |
| 参考文献 |
| 第二章 STERIMOL参数量化计算方法开发和DFT-QSAR研究 |
| 2.1 引言 |
| 2.2 DFT方法计算取代基STERIMOL参数和QSAR模型的构建 |
| 2.2.1 DFT方法计算取代基Sterimol参数 |
| 2.2.2 基于Sterimol参数的DFT-QSAR模型构建 |
| 2.3 计算结果与分析 |
| 2.4 本章小结 |
| 参考文献 |
| 第三章 基于配体定向进化模拟的分子设计方法及平台搭建 |
| 3.1 引言 |
| 3.2 配体定向进化计算方法的设计 |
| 3.2.1 取代基库的构建 |
| 3.2.2 配体定向进化计算程序设计 |
| 3.3 计算方法验证 |
| 3.3.1 数据收集 |
| 3.3.2 计算结果分析 |
| 3.3.3 计算结果举例 |
| 3.4 AILDE网络服务器的开发 |
| 3.5 本章小结 |
| 参考文献 |
| 第四章 基于氨基酸突变扫描的药物抗性预测方法开发及平台搭建 |
| 4.1 引言 |
| 4.2 氨基酸突变扫描方法的开发 |
| 4.2.1 氨基酸残基突变方法的选择 |
| 4.2.2 自动计算突变扫描计算方法的设计 |
| 4.3 自动氨基酸突变扫描方法验证 |
| 4.3.1 抗性数据的收集 |
| 4.3.2 计算结果分析与讨论 |
| 注释 |
| 4.4 AIMMS网络服务器的开发和应用 |
| 4.5 本章小结 |
| 参考文献 |
| 第五章 蛋白-蛋白互作的热点氨基酸识别方法开发及平台搭建 |
| 5.1 引言 |
| 5.2 蛋白-蛋白界面计算突变扫描方法的开发 |
| 5.2.1 界面氨基酸残基的识别 |
| 5.2.2 丙氨酸突变扫描识别热点氨基酸残基 |
| 5.2.3 热点氨基酸位点的突变体设计 |
| 5.3 计算方法验证与结果讨论 |
| 5.3.1 蛋白-蛋白互作突变体数据收集 |
| 5.3.2 计算结果讨论与分析 |
| 5.4 PIIMS服务器的开发和应用 |
| 5.5 本章小结 |
| 参考文献 |
| 全文总结 |
| 附录 |
| 附录一 主要名词英文全称、缩写对照表 |
| 附录二 AHAS、PDK1和CATHEPSIN K体系量子化学描述符计算结果 |
| 附录三 分子定向进化计算结果汇总 |
| 附录四 氨基酸突变扫描计算结果汇总 |
| 附录五 氨基酸突变扫描方法与CMS方法在四种抗性等级阈值下预测结果准确率比较 |
| 附录六 蛋白-蛋白互作计算结果汇总 |
| 攻读学位期间发表的SCI论文及软件着作权 |
| 致谢 |
（5）基于机器学习的非共价相互作用计算精度研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 非共价相互作用概述 |
| 1.1.2 非共价键的类型及其特点 |
| 1.1.3 键能研究方法简介 |
| 1.1.4 非共价相互作用的研究方法 |
| 1.2 机器学习方法结合量子化学计算的研究背景 |
| 1.3 非共价相互作用的研究现状及分析 |
| 1.4 本文的研究工作 |
| 1.5 本文的章节安排 |
| 第二章 理论基础 |
| 2.1 量子化学计算方法 |
| 2.1.1 耦合簇方法(CC) |
| 2.1.2 密度泛函理论(DFT) |
| 2.1.3 基组 |
| 2.2 数据集划分方法 |
| 2.2.1 KS算法 |
| 2.2.2 SPXY算法 |
| 2.3 机器学习相关算法 |
| 2.3.1 多元线性回归 |
| 2.3.2 偏最小二乘回归 |
| 2.3.3 支持向量机 |
| 2.3.4 集成学习算法 |
| 2.4 深度学习 |
| 2.4.1 卷积神经网络 |
| 2.4.2 深度学习中的关键技术 |
| 第三章 基于混合距离的数据集划分方法 |
| 3.1 引言 |
| 3.2 HSPXY方法 |
| 3.3 实验过程 |
| 3.3.1 数据集 |
| 3.3.2 回归模型 |
| 3.3.3 评价标准 |
| 3.4 实验结果和讨论 |
| 3.4.1 十折交叉验证 |
| 3.4.2 HSPXY与相关数据划分方法 |
| 3.5 本章小结 |
| 第四章 基于集成学习的非共价键计算精度研究 |
| 4.1 引言 |
| 4.2 实验方法 |
| 4.2.1 数据集 |
| 4.2.2 分子特征 |
| 4.2.3 特征选择 |
| 4.2.4 集成学习模型 |
| 4.2.5 模型评价标准 |
| 4.3 实验结果和讨论 |
| 4.3.1 DFT计算比较 |
| 4.3.2 基学习器数量敏感性 |
| 4.3.3 集成学习模型比较 |
| 4.3.4 Stacking中基学习器和元学习器的选择 |
| 4.3.5 集成模型的应用域 |
| 4.3.6 通用的集成模型构建过程 |
| 4.4 本章小结 |
| 第五章 基于深度学习的非共价键计算精度研究 |
| 5.1 引言 |
| 5.2 实验方法 |
| 5.2.1 实验数据 |
| 5.2.2 特征提取 |
| 5.2.3 DeepNCI―融合3D-CNN框架 |
| 5.2.4 迁移学习 |
| 5.2.5 模型评价 |
| 5.3 实验结果和讨论 |
| 5.3.1 DeepNCI与单一网络性能相比 |
| 5.3.2 DeepNCI与传统模型对比 |
| 5.3.3 卷积层的可视化展示 |
| 5.3.4 迁移学习结果与可视化展示 |
| 5.3.5 DeepNCI的应用域 |
| 5.4 本章小结 |
| 第六章 总结和展望 |
| 6.1 全文工作总结 |
| 6.2 未来工作展望 |
| 参考文献 |
| 附录 |
| 致谢 |
| 在学期间公开发表学术论文及着作情况 |
| 参与科研项目 |
（6）基于药效团模型的环境友好型PAEs衍生物光谱增强研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题背景及其意义 |
| 1.1.1 选题背景 |
| 1.1.2 PAEs的来源与分布 |
| 1.1.3 PAEs的危害 |
| 1.1.4 研究意义 |
| 1.2 国内外研究动态 |
| 1.2.1 邻苯二甲酸酯的检测方法 |
| 1.2.2 量子化学计算方法与应用概况 |
| 1.2.3 计算机辅助分子设计的常用方法 |
| 1.3 存在的问题 |
| 1.4 本论文主要研究内容 |
| 第2章 PAEs及其衍生物的计算软件与方法 |
| 2.1 高斯软件简介 |
| 2.1.1 理论计算 |
| 2.1.2 溶剂筛选 |
| 2.1.3 量化参数计算 |
| 2.2 药效团模型方法 |
| 2.2.1 药效团模型构建方法 |
| 2.2.2 药效团模型评价指标 |
| 2.3 分子对接方法 |
| 2.4 2D QSAR方法 |
| 2.5 PAEs衍生物功能性及POPs特性评价 |
| 2.6 同源建模方法 |
| 第3章 PAEs拉曼、红外和紫外光谱的辨识研究 |
| 3.1 引言 |
| 3.2 PAEs的拉曼特征振动光谱辨识 |
| 3.2.1 PAEs拉曼光谱的振动归属分析 |
| 3.2.2 基于酯基官能团的PAEs拉曼特征光谱辨识 |
| 3.2.3 PAEs拉曼光谱的溶剂化增强效应分析 |
| 3.3 PAEs的红外特征振动光谱辨识 |
| 3.3.1 PAEs红外光谱的振动归属分析 |
| 3.3.2 基于酯基官能团的PAEs红外特征光谱辨识 |
| 3.4 PAEs的紫外吸收光谱辨识 |
| 3.4.1 PAEs紫外吸收光谱辨识 |
| 3.4.2 基于溶剂化效应的PAEs紫外吸收光谱辨识 |
| 3.5 本章小结 |
| 第4章 PAEs拉曼、红外和紫外光谱的衍生增强研究 |
| 4.1 引言 |
| 4.2 基于药效团模型设计的PAEs拉曼特征振动光谱衍生增强 |
| 4.2.1 PAEs拉曼特征振动光谱药效团模型的构建 |
| 4.2.2 PAEs拉曼特征振动光谱药效团模型的验证 |
| 4.2.3 PAEs拉曼特征振动光谱衍生化反应取代位置确定 |
| 4.2.4 基于拉曼特征振动光谱药效团模型的PAEs衍生化 |
| 4.2.5 PAEs拉曼特征振动光谱衍生化反应能垒计算 |
| 4.3 基于药效团模型设计的PAEs红外特征振动光谱衍生增强 |
| 4.3.1 PAEs红外特征振动光谱药效团模型的构建 |
| 4.3.2 PAEs红外特征振动光谱药效团模型的验证 |
| 4.3.3 PAEs红外特征振动光谱衍生化反应取代位置确定 |
| 4.3.4 基于红外特征振动光谱药效团模型的PAEs衍生化 |
| 4.3.5 PAEs红外特征振动光谱衍生化反应能垒计算 |
| 4.3.6 PAEs衍生物红外光谱峰强增强机理分析 |
| 4.4 基于药效团模型设计的PAEs紫外光谱衍生增强 |
| 4.4.1 PAEs紫外光谱药效团模型的构建 |
| 4.4.2 PAEs紫外光谱药效团模型的验证 |
| 4.4.3 PAEs紫外光谱衍生化反应取代位置的确定 |
| 4.4.4 基于紫外光谱药效团模型的PAEs衍生化 |
| 4.4.5 PAEs紫外光谱衍生化反应能垒计算 |
| 4.4.6 PAEs衍生物紫外吸收光谱的溶剂化增强效应 |
| 4.4.7 基于2D QSAR的紫外光谱强度增强机理分析 |
| 4.4.8 PAEs衍生物的正辛醇/水分配系数预测 |
| 4.5 本章小结 |
| 第5章 高灵敏性PAEs荧光光谱的理论检测方法 |
| 5.1 引言 |
| 5.2 基于单取代修饰的高灵敏性PAEs荧光光谱衍生增强 |
| 5.2.1 PAEs分子单取代修饰 |
| 5.2.2 PAEs衍生物的荧光光谱增强效果分析 |
| 5.2.3 PAEs衍生物的功能特性及POPs特性评价 |
| 5.2.4 PAEs衍生物荧光光谱峰干扰分析 |
| 5.2.5 PAEs衍生物荧光特征机理分析 |
| 5.3 基于双取代修饰的高灵敏性PAEs荧光光谱衍生增强 |
| 5.3.1 PAEs分子双取代修饰 |
| 5.3.2 PAEs分子修饰后荧光光谱特征 |
| 5.3.3 PAEs衍生物功能性及POPs特性评价 |
| 5.3.4 PAEs衍生物低毒性筛选 |
| 5.3.5 PAEs衍生物荧光光谱峰干扰分析 |
| 5.3.6 PAEs衍生物荧光特征机理分析 |
| 5.4 基于同源建模的高效检测PAEs的牛血清蛋白改造 |
| 5.4.1 基于分子对接技术的牛血清蛋白关键氨基酸的确定 |
| 5.4.2 牛血清蛋白定点改造方案的设计 |
| 5.4.3 新型牛血清蛋白的同源建模与模型验证 |
| 5.4.4 新型牛血清蛋白与目标PAEs结合亲和性的评价 |
| 5.4.5 目标PAEs与新型牛血清蛋白结合后荧光强度的变化 |
| 5.5 本章小结 |
| 第6章 低雌激素活性兼具荧光特征的PAEs分子设计 |
| 6.1 引言 |
| 6.2 基于药效团模型设计的低雌激素活性PAEs衍生物 |
| 6.2.1 PAEs雌激素活性药效团模型的构建及验证 |
| 6.2.2 低雌激素活性PAEs分子修饰 |
| 6.2.3 PAEs衍生物低雌激素活性筛选 |
| 6.2.4 PAEs衍生物荧光光谱增强筛选 |
| 6.2.5 PAEs衍生物的功能性评价 |
| 6.2.6 PAEs衍生物的POPs特性评价 |
| 6.2.7 基于分子对接的PAEs及其衍生物雌激素活性的作用机理分析 |
| 6.2.8 基于2D QSAR的PAEs衍生物荧光特征机理分析 |
| 6.3 本章小结 |
| 第7章 结论与展望 |
| 7.1 结论 |
| 7.1.1 PAEs间的光谱辨识 |
| 7.1.2 环境友好型PAEs衍生物光谱增强研究 |
| 7.1.3 具有荧光特征的PAEs分子修饰及高效检测PAEs的蛋白改造 |
| 7.1.4 低雌激素活性兼具荧光特征的PAEs分子设计 |
| 7.2 主要创新点 |
| 7.3 展望 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 攻读博士学位期间参加的科研工作 |
| 致谢 |
| 作者简介 |
（7）环境友好型氟喹诺酮分子修饰及其机理研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 FQs的环境分布 |
| 1.1.2 FQs的环境效应 |
| 1.1.3 研究意义 |
| 1.2 研究进展 |
| 1.2.1 FQs环境特性的研究进展 |
| 1.2.2 FQs环境特性修饰调控的理论研究进展 |
| 1.3 存在问题 |
| 1.4 研究内容 |
| 第2章 研究方法与计算软件 |
| 2.1 定量构效关系概述 |
| 2.1.1 基本框架及流程 |
| 2.1.2 3D-QSAR模型 |
| 2.1.3 HQSAR模型 |
| 2.2 量子计算化学概述 |
| 2.2.1 理论基础 |
| 2.2.2 计算方法 |
| 2.2.3 基组的选择 |
| 2.3 分子对接方法概述 |
| 2.3.1 基本框架及流程 |
| 2.3.2 对接方式 |
| 2.3.3 结合能计算 |
| 2.4 计算软件 |
| 2.4.1 Sybul软件 |
| 2.4.2 Gaussian软件 |
| 2.4.3 Discovery Studio软件 |
| 第3章 FQs光降解性的分子修饰及机理研究 |
| 3.1 数据来源 |
| 3.2 FQs光解特性3D-QSAR模型的构建 |
| 3.2.1 模型构建 |
| 3.2.2 模型验证 |
| 3.2.3 模型预测 |
| 3.2.4 模型分析 |
| 3.3 基于光解特性3D-QSAR模型的分子修饰 |
| 3.4 CIP及衍生物的光解机理研究 |
| 3.4.1 基于2D-QSAR的CIP及衍生物光降解机理分析 |
| 3.4.2 基于量子化学计算的CIP及衍生物光敏化降解路径推断 |
| 3.5 CIP衍生物及光解产物的生物降解特性研究 |
| 3.6 本章小结 |
| 第4章 FQs生物富集性的分子修饰及机理研究 |
| 4.1 数据来源 |
| 4.2 FQs生物富集性3D-QSAR模型的构建 |
| 4.2.1 模型构建 |
| 4.2.2 模型验证 |
| 4.2.3 模型分析 |
| 4.3 基于生物富集性3D-QSAR模型的NAD分子修饰 |
| 4.4 基于分子对接的NAD衍生物分子筛选 |
| 4.5 NAD及衍生物生物富集性的机理研究 |
| 4.5.1 基于2D-QSAR的NAD及衍生物分子生物富集性机理分析 |
| 4.5.2 基于分子对接的NAD及其衍生物富集作用机理及差异性分析 |
| 4.6 本章小结 |
| 第5章 FQs细菌遗传毒性的分子修饰及机理研究 |
| 5.1 数据来源 |
| 5.2 FQs细菌遗传毒性HQSAR模型的构建 |
| 5.2.1 模型构建 |
| 5.2.2 模型验证 |
| 5.2.3 模型分析 |
| 5.3 FQs细菌遗传毒性的分子修饰 |
| 5.3.1 基于HQSAR模型FQs细菌遗传毒性的分子修饰 |
| 5.3.2 FQs衍生物的环境友好性评价 |
| 5.4 基于分子对接方法的衍生物分子筛选 |
| 5.5 FQs及衍生物细菌遗传毒性的机理研究 |
| 5.5.1 基于氨基酸残基参与的细菌遗传毒性作用机理分析 |
| 5.5.2 基于分子相互作用方式的细菌遗传毒性作用机理分析 |
| 5.6 本章小结 |
| 第6章 基于分子参数的FQs细菌遗传毒性机理分析 |
| 6.1 数据来源 |
| 6.2 基于2D-QASR模型的FQs细菌遗传毒性机理分析 |
| 6.2.1 基于遗传毒性/谱图参数的2D-QSAR模型分析 |
| 6.2.2 基于遗传毒性/几何参数的2D-QSAR模型分析 |
| 6.2.3 基于遗传毒性/电子参数的2D-QSAR模型分析 |
| 6.2.4 基于遗传毒性/理化参数的2D-QSAR模型分析 |
| 6.3 基于因子分析的FQs细菌遗传毒性机理分析 |
| 6.4 小结 |
| 第7章 FQs衍生物环境转化路径推断与潜在环境风险分析 |
| 7.1 材料及方法 |
| 7.2 体内代谢过程的转化路径推断与潜在环境风险分析 |
| 7.3 自然光解过程的转化路径推断与潜在环境风险分析 |
| 7.4 微生物降解过程的转化路径推断与潜在环境风险分析 |
| 7.5 氯化消毒过程的转化路径推断与潜在环境风险分析 |
| 7.6 小结 |
| 第8章 结论与展望 |
| 8.1 结论 |
| 8.2 创新点 |
| 8.3 展望 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 攻读博士学位期间参加的科研工作 |
| 致谢 |
| 作者简介 |
（8）基于DFT和分子对接的PCBs氧化降解和生物降解机理研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 选题背景及意义 |
| 1.1.1 PCBs的性质及其危害 |
| 1.1.2 PCBs的大气自由基氧化降解 |
| 1.1.3 PCBs的生物降解 |
| 1.2 国内外研究背景 |
| 1.2.1 量子化学在环境化学中的具体应用和研究现状 |
| 1.2.2 定量构效关系的研究进展 |
| 1.2.3 自由基氧化降解研究进展 |
| 1.2.4 PCBs生物降解研究进展 |
| 1.3 存在的问题 |
| 1.4 本文的主要研究内容和意义 |
| 第二章 计算软件与研究方法 |
| 2.1 量子化学计算方法 |
| 2.1.1 密度泛函理论(Density Functional Theory, DFT) |
| 2.1.2 内禀反应坐标理论(Intrinsic Reaction Coordinate,IRC) |
| 2.1.3 过渡态理论(Transition state theory,TST) |
| 2.1.4 基组简介 |
| 2.2 定量构效关系方法(Quantitative structure activity relationship,QSAR) |
| 2.2.1 定量构效关系模型的建立 |
| 2.2.2 定量构型关系的模型验证 |
| 2.2.3 三维结构活性关系方法(3D-QSAR) |
| 2.2.4 全息定量结构-活性相关关系(Holographical quantitativeStructure-Activity Relationship HQSAR) |
| 2.3 分子对接 |
| 第三章 基于溶剂化效应的PCB-77大气氧化降解增强研究 |
| 3.1 计算方法 |
| 3.2 PCB-77分子与·OH的反应路径 |
| 3.3 加成反应中间体IM3与O_2的加成连续反应路径 |
| 3.4 抽提反应中间体IM8的加成连续反应路径 |
| 3.5 中间体IM3b与单线态氧(~1O_2)的加成反应路径 |
| 3.6 PCB-77分子降解反应的溶剂化效应 |
| 3.6.1 溶剂化效应对降解反应能垒的影响 |
| 3.6.2 溶剂化效应对降解反应速率的影响 |
| 3.7 本章小结 |
| 第四章 基于分子对接技术及COMSIA/HQSAR辅助的多氯联苯二羟基衍生物分子修饰 |
| 4.1 计算方法 |
| 4.2 二羟基多氯联苯与Bphc酶的分子对接 |
| 4.2.1 二羟基多氯联苯与Bphc酶的分子对接可靠性评价 |
| 4.2.2 二羟基多氯联苯与Bphc酶的分子对接结果分析 |
| 4.2.3 二羟基多氯联苯与Bphc酶分子对接的氢键作用 |
| 4.3 基于二羟基多氯联苯与Bphc酶对接打分函数(Kd)的CoMSIA模型构建 |
| 4.3.1 CoMSIA模型构建 |
| 4.3.2 CoMSIA力场与偏最小二乘法分析 |
| 4.3.3 基于CoMSIA模型的二羟基多氯联苯三维等势图分析 |
| 4.4 基于二羟基多氯联苯与Bphc酶对接打分函数(Kd)的HQSAR模型构建 |
| 4.5 HQSAR模型辅助的CoMSIA模型分子活性位点确定与分子修饰 |
| 4.6 新型5,6-2OH-CB60分子的反应路径推断 |
| 4.7 本章小结 |
| 第五章 结论与展望 |
| 5.1 结论 |
| 5.2 本文创新点 |
| 5.3 研究工作展望 |
| 参考文献 |
| 攻读硕士学位期间发表的论文及其它成果 |
| 致谢 |
| 作者简介 |
（9）二恶英污染物毒性与结构间定量构效关系的探究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 引言 |
| 1.1 课题的背景及意义 |
| 1.2 课题的研究现状 |
| 1.3 课题的主要内容 |
| 第二章 二恶英综述 |
| 2.1 二恶英的来源和形成机理 |
| 2.1.1 二恶英的主要来源 |
| 2.1.2 二恶英的生成机理 |
| 2.2 二恶英的污染现状 |
| 2.3 二恶英的毒性危害 |
| 第三章 基本理论及研究方法简介 |
| 3.1 定量构效关系 |
| 3.1.1 QSAR的发展历史 |
| 3.1.2 QSAR的研究方法 |
| 3.1.3 QSAR在化学物质毒性方面研究的意义 |
| 3.2 高斯软件（Gaussian） |
| 3.2.1 Gaussian软件简介 |
| 3.2.2 基组的选取 |
| 3.3 主成分分析方法 |
| 3.3.1 SPSS软件简介 |
| 3.3.2 主成分分析法的基本原理 |
| 3.3.3 主成分分析的主要计算过程 |
| 3.4 神经网络 |
| 3.4.1 Matlab程序简述 |
| 3.4.2 BP神经网络 |
| 第四章 二恶英结构参数的选取和计算 |
| 4.1 二恶英结构参数与毒性数据的确定 |
| 4.2 多氯代二苯并呋喃（PCDFs）构效关系的计算 |
| 4.2.1 高斯软件计算多氯代二苯并呋喃的结构参数 |
| 4.2.2 多氯代二苯并呋喃的主成分分析 |
| 4.2.3 多氯代二苯并呋喃的BP神经网络预测 |
| 4.2.4 计算结果 |
| 4.3 多氯代二苯并-对-二恶英（PCDDs）的主成分分析 |
| 4.3.1 多氯代二苯并-对-二恶英的结构参数的计算 |
| 4.3.2 多氯代二苯并-对-二恶英的主成分分析 |
| 4.3.3 多氯代二苯-并-二恶英的BP神经网络预测 |
| 4.3.4 计算结果 |
| 4.4 多氯联苯（PCBs）的构效关系的计算 |
| 4.4.1 多氯联苯的结构参数的选择 |
| 4.4.2 多氯联苯结构参数的计算 |
| 4.4.3 多氯联苯结构参数的主成分分析 |
| 4.4.4 多氯联苯的BP神经网络预测 |
| 4.4.5 计算结果 |
| 第五章 二恶英的分子结构与毒性关系的结果分析 |
| 参考文献 |
| 致谢 |
（10）基于量化计算与QSAR的PBDEs光谱辨识与环境行为控制研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题背景及其意义 |
| 1.1.1 PBDEs的危害 |
| 1.1.2 PBDEs的使用与分布 |
| 1.1.3 研究意义 |
| 1.2 国内外研究动态 |
| 1.2.1 量子化学计算理论与方法的国内外研究概况 |
| 1.2.2 定量构效关系模型国内外研究概况 |
| 1.2.3 PBDEs同系物辨识国内外研究进展 |
| 1.2.4 PBDEs环境行为研究国内外研究进展 |
| 1.3 存在的问题 |
| 1.4 本论文主要研究内容 |
| 第2章 计算软件与方法 |
| 2.1 计算软件与系统配置 |
| 2.2 计算方法验证所用实验数据来源 |
| 2.3 计算方法的选取与确定 |
| 2.4 本章小结 |
| 第3章 PBDEs生物毒性机理分析 |
| 3.1 生物毒性数据来源与分级标准 |
| 3.1.1 生物毒性数据来源 |
| 3.1.2 生物毒性分级标准 |
| 3.2 PBDEs生物毒性QSAR模型构建与等级标识 |
| 3.2.1 PBDEs生物毒性QSAR模型参数选取 |
| 3.2.2 PBDEs生物毒性QSAR建模方法 |
| 3.2.3 PBDEs生物毒性QSAR模型检验 |
| 3.2.4 PBDEs生物毒性QSAR模型评价与分析 |
| 3.2.5 PBDEs生物毒性等级标识 |
| 3.3 基于分子取代特征的PBDEs生物毒性机理分析 |
| 3.3.1 取代基个数与PBDEs生物毒性相关性分析 |
| 3.3.2 两苯环取代相似性与PBDEs生物毒性间相关性分析 |
| 3.3.3 基于全析因实验设计的取代特征对PBDEs生物毒性效应分析 |
| 3.3.4 同一苯环上取代基分散性与PBDEs生物毒性相关性分析 |
| 3.4 基于分子空间对称结构的PBDEs生物毒性机理分析 |
| 3.5 基于量化参数的PBDEs生物毒性机理分析 |
| 3.6 基于分子对接的PBDEs生物毒性机理分析 |
| 3.6.1 基于同源建模的AhR蛋白构建 |
| 3.6.2 分子对接与生物毒性作用机理分析 |
| 3.7 本章小结 |
| 第4章 基于分子振动光谱的PBDEs辨识 |
| 4.1 PBDEs分子振动光谱计算 |
| 4.2 PBDEs分子振动光谱振动归属 |
| 4.2.1 PBDEs的苯环振动归属 |
| 4.2.2 PBDEs的醚键振动归属 |
| 4.2.3 PBDEs的C-Br键振动归属 |
| 4.2.4 PBDEs振动归属验证——以BDE-15为例 |
| 4.3 基于分子振动光谱特征振动的PBDEs辨识 |
| 4.3.1 基于苯环三角呼吸振动的PBDEs辨识 |
| 4.3.2 基于C-O伸缩振动的PBDEs辨识 |
| 4.4 基于分子振动谱区的PBDEs辨识 |
| 4.4.1 基于相似度分析的分子振动谱区分辨度评价 |
| 4.4.2 基于三角呼吸振动谱区的PBDEs辨识 |
| 4.4.3 基于C-O伸缩振动谱区的PBDEs辨识 |
| 4.5 生物毒性红外特征光谱提取 |
| 4.6 溶剂化效应对PBDEs分子振动光谱的影响 |
| 4.6.1 溶剂选择 |
| 4.6.2 溶剂化效应指标体系构建 |
| 4.6.3 溶剂化效应对各振动形式的影响分析——以BDE-15为例 |
| 4.6.4 溶剂化效应增强效应的检验 |
| 4.6.5 溶剂化效应对PBDEs特征光谱及同系物辨识的影响 |
| 4.7 本章小结 |
| 第5章 基于阻燃剂设计的PBDEs环境行为控制 |
| 5.1 PBDEs4种POPs特性调控表构建 |
| 5.1.1 PBDEs4种POPs特性数据来源 |
| 5.1.2 PBDEs4种POPs特性的药效团模型建立方法 |
| 5.1.3 PBDEs4种POPS特性的全析因实验模型建立方法 |
| 5.1.4 PBDEs4种POPS特性的特征分析 |
| 5.2 分子修饰及修饰后物质POPs特性评价 |
| 5.3 修饰后物质阻燃性评价 |
| 5.4 本章小结 |
| 第6章 PBDEs的光解规律分析及机理研究 |
| 6.1 PBDEs自然光解难易性规律分析 |
| 6.1.1 大气环境中PBDEs自然光解难易性规律分析 |
| 6.1.2 有机溶剂增强PBDEs自然光解机理分析 |
| 6.2 ·OH引发的PBDEs光解机理分析 |
| 6.2.1 大气环境下PBDEs与·OH反应机理分析 |
| 6.2.2 有机溶剂增强PBDEs与·OH反应机理分析 |
| 6.3 PBDEs光解速率规律分析 |
| 6.4 本章小结 |
| 第7章 结论与展望 |
| 7.1 结论 |
| 7.2 主要创新点 |
| 7.3 展望 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 攻读博士学位期间参加的科研工作 |
| 致谢 |
| 作者简介 |
四、用量子化学方法预测PCDFs的Ah受体结合能力(1)——神经网络模型（论文参考文献）
- [1]碳氢燃料燃烧碳烟生成的分子动力学模拟和模型研究[D]. 远洪亮. 中国科学院大学(中国科学院工程热物理研究所), 2021(02)
- [2]二恶英毒性预测和毒理的理论计算研究[D]. 杨红. 兰州大学, 2020(01)
- [3]基于深度张量神经网络理论预测有机小分子间的相互作用能[D]. 李小琦. 辽宁师范大学, 2020(02)
- [4]蛋白-蛋白/小分子相互作用的分子模拟新方法研究[D]. 吴丰旭. 华中师范大学, 2019(01)
- [5]基于机器学习的非共价相互作用计算精度研究[D]. 李文泽. 东北师范大学, 2019(04)
- [6]基于药效团模型的环境友好型PAEs衍生物光谱增强研究[D]. 邱尤丽. 华北电力大学(北京), 2019(01)
- [7]环境友好型氟喹诺酮分子修饰及其机理研究[D]. 赵晓辉. 华北电力大学(北京), 2019(01)
- [8]基于DFT和分子对接的PCBs氧化降解和生物降解机理研究[D]. 辛美玲. 华北电力大学(北京), 2018(04)
- [9]二恶英污染物毒性与结构间定量构效关系的探究[D]. 陈俊莹. 郑州大学, 2017(12)
- [10]基于量化计算与QSAR的PBDEs光谱辨识与环境行为控制研究[D]. 姜龙. 华北电力大学(北京), 2016(02)