苯酚和苯胺类化合物对大型蚤毒性的QSAR*

刘漫，顾云兰，周绒绒，杨玉琴

（盐城师范学院化学化工学院，江苏盐城224051）

苯酚和苯胺类化合物对大型蚤毒性的QSAR*

刘漫，顾云兰*，周绒绒，杨玉琴

（盐城师范学院化学化工学院，江苏盐城224051）

基于DFT-B3LYP方法在6-311G**基组水平上计算获得了36种苯酚和苯胺类化合物的量化和理化参数，采用最佳变量子集回归方法，建立苯酚和苯胺类化合物对大型蚤毒性与上述描述符参数的定量构效关系。结果表明所建三变量模型具有良好的预报能力和稳健性，化合物次最低空轨道能愈小，毒性愈大；化合物疏水性愈强，毒性愈大；化合物偶极距愈小，毒性愈强。

苯酚类化合物；苯胺类化合物；大型蚤；定量构效关系；密度泛函方法

苯酚和苯胺类化合物广泛应用于皮革领域，如对苯二胺不仅是制革生产中常用的氧化染料，还是合成偶氮染料的原料，氨基苯酚、硝基苯酚、硝基苯胺等是合成染料的重要中间体[1]。然而，制革湿操作工序中使用的苯酚、苯胺类皮革化学品并不能完全被吸收，未被吸收的部分直接进入废液，并随着制革废水的排放进入水环境。苯酚和苯胺类化合物有毒、不易降解,会对水生生物的生长、发育和繁殖产生危害，同时破坏水生生态系统，对人类健康存在潜在危害[2]。因此，评价苯酚和苯胺类皮革化学品的毒性效应十分必要，对于皮革工业的可持续发展有着重要的指导作用。

定量结构-活性关系（QSAR）是利用现有化合物的毒性数据，构建相应的预测模型，并利用所得模型对新化学物质的毒性进行预测。QSAR既可以弥补基础数据的缺失，又可以筛选出代表性的化合物进行实验测试，从而节省大量的实验及其昂贵费用，在环境污染物毒性研究和预测方面得到了广泛的应用[3-5]。

本文运用DFT方法，在B3LYP/6-311G**基组水平上全优化计算了36种苯酚和苯胺类化合物的结构参数，结合化合物对大型蚤毒性的文献实验值，采用最佳变量子集回归方法成功构建了苯酚和苯胺类化合物对大型蚤毒性的QSAR预测模型，并探讨了其毒性作用机理。

1 研究方法

1.1 数据来源

36个苯酚和苯胺类化合物对大型蚤的毒性数据pEC50取自文献[6]，这里EC50指24h的半数活动抑制浓度，pEC50愈大，化合物毒性愈大，反之愈小，36个化合物的pEC50见表1。

表1 苯酚和苯胺类化合物对大型蚤的毒性参数及部分描述符参数Tab.1Observed and calculated toxicities of phenols andanilines to daphnia magna&some descriptors

1.2 量化参数的计算

为节省机时，首先用ChemDraw软件构建化合物分子，再用其中MOPAC的AM1程序对各化合物分子结构进行初步几何优化。然后，运用Gaussian03软件，采用密度泛函理论（DFT）的B3LYP方法，在6-311G**基组水平上，按闭壳层单重态进行全几何优化及频率计算，优化过程中不作任何对称性限制。经振动分析，所得稳定构型均无虚频，表明对应于各自势能面上的极小点，不是马鞍点。

从量化计算结果中选出有关化合物信息的量化参数：分子最高占有轨道能（EHOMO）、分子次最高占有轨道能（ENHOMO）、分子最低空轨道能（ELUMO）、分子次最低空轨道能（ENLUMO）、偶极距（μ）、各原子净电荷（Qi）等；振动分析得分子平均极化率（α=（αχχ+ αyy+αz）z/3），在各化合物的稳定构型下，对0.001e· bohr3的等电子密度面所包围的体积空间，应用Monte-carlo方法求得每个化合物的平均摩尔体积（Vm）。此外，将优化好的稳定构型输入Chem3D软件计算获得化合物稳定构型的疏水性参数（logP）。进入QSAR模型的部分参数一并列入表1。

1.3 多元线性回归分析

应用Minitab统计分析软件包建立QSAR模型，以苯酚和苯胺类化合物对大型蚤的毒性文献实验值为因变量，计算获得的量化参数和理化参数为自变量，应用最佳变量子集回归选择最佳变量组合，建立相应的QSAR模型。模型拟合能力、稳定性和显著性检验包括相关系数（R）、标准偏差（SE）、变异膨胀因子（VIF）、Fisher检验值（F）和t检验值（t）。模型内部预测能力采用留一交叉验证法（leave-oneout crossvalidation，LOO）和留三交叉验证法（leave-three-out crossvalidation，L3O），模型外部预测能力通过外部预测集交互检验系数Qext2[7]实现。

2 结果与讨论

2.1 QSAR模型的建立及检验

将36种苯酚和苯胺类化合物对大型蚤的毒性数据pEC50与计算所得描述符变量输入Minitab15.0软件，经最佳变量子集筛选出最佳变量组合后，获得多元线性回归模型如下：

模型（1）样本数为36，变量数为3，F分布的自由度是（3，32），对于给定的α=0.05，临界值f0.95（3，32）=2.90，F=132.69>f0.9（53，33），所以有95%的把握认为模型（1）是显著的，pEC50与ENLUMO、logP和μ在95%的置信区间内符合线性相关，其复相关系数达0.926，模型具有较好的拟合优度。在95%的置信区间，ENLUMO、logP和μ的t值分别为-16.30、9.93和-2.41，其绝对值均大于标准的t检验值（1.690），说明方程（1）中的3个变量也是显著的。模型（1）中logP、μ和ENLUMO的VIF值分别为1.093、1.606和1.510，均远小于5.0，即变量间的自相关性不显著，不存在机会相关，模型稳定。模型留一法和留三法交互检验复相关系数都大于0.9，标准偏差相对于实验值而言较小，说明模型具有较好的内部预测能力。

在应用模型前不仅要对模型的稳健性和内部预测能力进行检验，更应该关注模型外部预测能力的验证。为便于与文献比较，将文献中的6个预测集化合物同样作为预测集，余下的样本作为训练集（表1中*表示为预测集样本），对训练集进行多元线性回归得到模型：

2.2 苯酚和苯胺类化合物对大型蚤的毒性机理解释

由方程（1）可看出，影响毒性的因素主要包括疏水性参数logP、次最低空轨道能ENLUMO和偶极距μ，按统计学公式得3个变量的标准系数分别为9.93、-16.31和-2.41，即ENLUMO对毒性的影响最大，logP其次，μ最小。由模型（1）中ENLUMO前面的系数可知，苯酚和苯胺类化合物对大型蚤的毒性大小与ENLUMO呈负相关，说明其值愈负，苯酚和苯胺类化合物的毒性愈大，由此可以推测苯酚和苯胺类化合物在生物体内的毒性作用以亲电反应为主，苯酚和苯胺类化合物的ENLUMO愈负，亲电性愈强，越易进攻生物大分子的巯基、氨基等重要功能团，毒性愈大。苯酚、苯胺类化合物对大型蚤的毒性与化合物的logP成正比，而logP又反映了化合物在水相和生物细胞类脂相间的分配能力，logP值愈大，其亲脂性愈强，越容易在生物体内富集，化合物的毒性愈大，可见化合物在生物体内的富集能力是影响化合物毒性的另一方面。偶极距与化合物的毒性呈负相关，化合物的偶极距愈小，化合物的极性愈弱，亲水性愈弱，疏水性愈强，化合物毒性愈强，这与logP的影响是一致的。综上可知，苯酚和苯胺类化合物对大型蚤的毒性与有机物分子透过细胞膜进入细胞内（logP和μ表征），并与细胞内生物大分子发生作用（ENLUMO表征）这两个过程有关。

石诗琦[6]采用辛醇-水分配系数、亲核性和熵3参数建立了标题化合物对大型蚤毒性的QSAR，模型结果与本文结果比较见表2，可见模型（1）、（2）的稳健性、预测能力、拟合精度都优于文献[6]，且文献未作模型外部预测能力检验，模型外部应用能力尚不明确，由此可见本文所用3变量能较好地估算与预测标题化合物对大型蚤的毒性，且结果优于文献。用方程（1）、（2）分别对30个训练集化合物和6个预测集化合物进行估计和预测，其毒性计算值见表1，所得预测集化合物的毒性计算值按大小排序结果与文献值排序完全一致，说明模型（2）对预测集化合物的毒性有较好的预测能力，进一步证明所得3变量模型的可靠性。

表2 苯酚和苯胺类化合物对大型蚤毒性的QSAR模型比较Tab.2Comparison of the QSAR models of phenols and anilines’toxicities to daphnia magna

3 结论

在B3LYP/6-311G**水平上计算得到的36种苯酚和苯胺类化合物的结构参数能够较全面地反映分子结构特征，建立的QSAR模型能揭示标题化合物对大型蚤毒性的本质因素。模型经F检验、VIF检验、t检验、内部留一法和留三法交互检验，具有较好的内部预测性和稳健性；经外部预测集检验表明具有良好的预测能力，模型为定量评估和预测同类型其它化合物对大型蚤的毒性提供了参考依据。

［1］骆鸣汉.毛皮工艺学［M］.北京：中国轻工业出版社，1996.346-347.

［2］Bajaj M,Gallert C,Winter J.Biodegradation of high phenol containing synthetic wastewater by an aerobic fixed bed reactor［J］. Bioresource Technology,2008,99（17）:8376-8381.

［3］薛慧峰，张生万，李美萍.分子电距矢量用于乙酰苯胺类化合物QSAR研究［J］.化学工程师，2008，（5）:6-8.

［4］Yunlan Gu,JianqingTao,Zhenghao Fei,et al.A DFT-based quantum theoretic QSAR study of nitrobenzenes'toxicity to tetrahymena pyriformis［J］.Chinese Journal of structural chemistry,2010,29（1）:86-92.

［5］陈学勇，韦朝海，邓秀琼，等.硝基芳烃对梨形四膜虫毒性的定量构效关系解析［J］.化学学报，2011，69（21）：2618-2626.

［6］石诗琦，何剑锋，董伟，等.苯酚、苯胺类化合物的QSAR研究及皮革材料的毒性预测［J］.中国皮革，2013，42（5）：3-6.

［7］Papa E,Villa F,Gramatica P.Statistically validated QSARs,based on theoretical descriptors,for modeling aquatic toxicity of organic chemicals in pimephales promelas（Fathead Minnow）［J］.Journal ofChemical Information and Modeling,2005,45（5）:1256-1266.

A QSAR study on the toxicity of phenols and anilines to daphnia magna*

LIU Man，GU Yun-lan*，ZHOU Rong-rong，YANG Yu-qin
（School of Chemistry＆Chemical Engineering，Yancheng Teachers University，Yancheng 224051，China）

DFT-B3LYP method,with the basis set 6-311G**,was employed to calculate quantum chemical and physi-chemical parameters of phenols and anilines.The toxicities of phenols and anilines to daphnia magna along with obtained descriptors were used to establish the quantitative structure-activity relationship（QSAR）.The statistical results indicated that the QSAR model had good stability and predictability.The study indicated that the toxicities increase with the decrease of the energy of the next lowest unoccupied orbit（ENLUMO）and the dipole（μ）,and increased with the increase of hydrophobic parameter（logP）.

phenols;anilines；daphnia magna;quantitative structure-activity relationship（QSAR）；density functional theory（DFT）

O641

A

1002-1124（2014）11-0017-03

2014-07-28

江苏省高等学校大学生实践创新训练计划；盐城师范学院自然科学研究项目（12YCKL004）；江苏省滩涂生物资源与环境保护重点建设实验室开放基金资助课题（JLCBE12009）

刘漫（1994-），女，江苏淮安人，2012级环境科学系学生，研究方向：环境污染物结构与生物毒性关系。

导师简介：顾云兰（1979-），江苏盐城人，硕士，讲师，主要从事物质构效关系研究。