QSPR-модель для прогнозування стандартної ентальпії утворення складних оксигеновмісних неорганічних сполук
DOI:
https://doi.org/10.15407/dopovidi2024.01.050Ключові слова:
стандартна ентальпія утворення, симплексне представлення молекулярної структури, 1D-симплексний підхід, QSPR-модель, метод часткових найменших квадратівАнотація
Досліджено вибірку з 74 оксигеновмісних неорганічних сполук — складних змішаних оксидів і солей, деякі з яких є перспективними компонентами оптичних матеріалів. Із застосуванням 1D-симплексного підходу побудовано адекватну консенсусну QSPR-PLS-модель для стандартної ентальпії утворення (ΔН0298) досліджуваних сполук. Під час розрахунку 1D-симплексних дескрипторів (одиниць, двійок, трійок, четвірок) для диференціації вершин (атомів) у симплексах використовували різні характеристики атомів з періодичної системи Д.І. Менделєєва, ступінь окиснення, електронегативність, іонний радіус, характеристики ван-дер-ваальсових взаємодій. Для тестового набору розробленої моделі коефіцієнт детермінації (R2 test ) дорівнює 0,94, середня відносна похибка прогнозу становить 10,0 %. У результаті аналізу структурних параметрів, які увійшли до розробленої моделі, виявлено, що найістотніший вплив виявляють орбітальні квантові числа електронів зовнішнього шару атомів (28 %) і ван-дер-ваальсові взаємодії (19 %). Побудовану модель можна використовувати для попередньої оцінки стандартної ентальпії утворення різноманітних оксигеновмісних неорганічних сполук.
Завантаження
Посилання
Cherkasov, A., Muratov, E. N., Fourches, D., Varnek, A., Baskin, I. I., Cronin, M., Dearden, J., Gramatica, P., Martin, Y. C., Todeschini, R., Consonni, V., Kuz’min, V. E., Cramer, R., Benigni, R., Yang, C., Rathman, J., Ter- floth, L., Gasteiger, J., Richard, A. & Tropsha, A. (2014). QSAR modeling: where have you been? Where are you going to? J. Med. Chem., 57, No. 12, pp. 4977-5010. https://doi.org/10.1021/jm4004285
Wang, T., Yuan, X.-S., Wu, M.-B., Lin, J.-P. & Yang, L.-R. (2017). The advancement of multidimensional QSAR for novel drug discovery — where are we headed? Expert Opin. Drug Discov., 12, No. 8, pp. 769-784. https://doi.org/10.1080/17460441.2017.1336157
Kuz’min, V., Artemenko, A., Ognichenko, L., Hromov, A., Kosinskaya, A., Stelmakh, S., Sessions, Z. L. & Muratov, E. N. (2021). Simplex representation of molecular structure as universal QSAR/QSPR tool. Struct. Chem., 32, No. 4, pp. 1365-1392. https://doi.org/10.1007/s11224-021-01793-z
Kuz’min, V., Artemenko, A., Оgnichenko, L., Muratov, E. & Hromov, A. (2022). Simplex representation of molecular structure. Saarbrücken: Lambert (in Russian).
Kuz’min, V. E., Ognichenko, L. N., Zinchenko, V. F., Artemenko, A. G., Shyrykalova, A. O. & Kozhukhar, A. V. (2020). QSPR models for prediction of the melting points and refractive indeces for inorganic substances: components of the optical film-forming materials. Int. J. Quant. Struct. Prop. Relatsh., 5, No. 1, pp. 1-21. https://doi.org/10.4018/IJQSPR.2020010101
Sizochenko, N., Rasulev, B., Gajewicz, V., Puzyn, T. & Leszczynski, J. (2014). From basic physics to mechanisms of toxicity: the “liquid drop” approach applied to develop predictive classification models for toxicity of metal oxide nanoparticles. Nanoscale, 6, No. 22, pp. 13986-13993. https://doi.org/10.1039/C4NR03487B
Zinchenko, V. F. (2021). Solid-phase complex compounds and composites of metal oxides, fluorides, and chalcogenides as materials for interference coatings: a review. Theor. Exp. Chem., 57, No. 4, pp. 262-271. https://doi.org/10.1007/s11237-021-09694-2
Lidin, R. А., Аndreeva, L. L. & Molochko, V. А. (1987). Handbook of inorganic chemistry. Constants of inorganic substances. Мoscow: Khimiya (in Russian).
Binnewies, M. & Milke, E. (2002). Thermochemical data of elements and compounds second, revised and extended edition. Weinheim: Wiley-VCH.
Efimov, A. I., Belorukova, L. P., Vasilkova, I. V. & Chechev, V. P. (1983). Properties of inorganic compounds. Handbook. Leningrad: Khimiya (in Russian).
Rappe, A. K., Casewit, C. J., Colwell, K. S., Goddard III, W. A. & Skiff, W. M. (1992). UFF, a full periodic table force field for molecular mechanics and molecular dynamics simulations. J. Am. Chem. Soc., 114, No. 25, pp. 10024-10035. https://doi.org/10.1021/ja00051a040
Rännar, S., Lindgren, F., Geladi, P. & Wold, S. (1994). A PLS kernel algorithm for data sets with many variables and fewer objects. Part 1: Theory and algorithm. J. Chemometrics, 8, No. 2, pp. 111-125. https://doi.org/10.1002/cem.1180080204
Carhart, R. E., Smith, D. H. & Venkataraghavan, R. (1985). Atom pairs as molecular features in structure— activity studies: definition and applications. J. Chem. Inf. Comput. Sci., 25, No. 2, pp. 64-73. https://doi.org/10.1021/ci00046a002
Kuz’min, V. E., Artemenko, A. G., Muratov, E. N., Polischuk, P. G., Ognichenko, L. N., Liahovsky, A. V., Hromov,
A. I. & Varlamova, E. V. (2010). Virtual screening and molecular design based on hierarchical QSAR technology. In Puzyn, T., Leszczynski, J. & Cronin, M. (Eds.). Recent advances in QSAR studies (pp. 127-176). London: Springer. https://doi.org/10.1007/978-1-4020-9783-6_5
Hasegawa, K., Miyashita, Y. & Funatsu, K. (1997). GA strategy for variable selection in QSAR studies: GA- based PLS analysis of calcium channel antagonists. J. Chem. Inf. Comput. Sci., 37, No. 2, pp. 306-310. https://doi.org/10.1021/ci960047x
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2024 Доповіді Національної академії наук України
Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial 4.0 International License.
