QSAR預測模型在水環境化學中的研究進展

潘 嶸

(揚州大學 環境科學與工程學院,江蘇 揚州 225000)

近年來，由于經濟的飛速發展和科技水平的日益提高，人類化工產業產品的需求與產量日益增加。大量化工產品的代謝廢物如多環芳烴、多氯聯苯、多溴聯苯醚等有機污染物被排放到水體、空氣等自然環境介質中，對生態環境造成了極大的破壞。水環境中的有機污染物會在水生生物中富集，最終會隨著食物鏈的遞進，對人類自身健康產生極大的威脅[1]。因此，測量水環境中有機污染物的濃度是評估其對自然環境破壞程度的必要前提，同時也是評價污染物生物毒性的重要環節。然而，運用傳統的實驗測試方法測量所有化學品在水環境中的濃度及其毒理學性質數據是不現實的，這將會耗費大量的人力物力財力，因此開發一種更為簡單、快速且有效率的預測方法是十分必要的，而利用計算機預測技術如建立定量構效關系(QSAR)模型來彌補傳統實驗缺陷的方法目前在國際上較為提倡。

QSAR是一種在化學品分子結構及其活性之間建立關系的研究方法，本質是將化學品分子結構參數與其實驗性質進行統計分析。QSAR的應用領域十分廣泛，涉及化工、藥學及醫學等多個學科，在對化合物的各種急性生物毒性、活性、藥代動力學參數等研究中都做出了巨大貢獻[2]。因此利用QSAR預測模型方法是評價人體健康風險和化合物環境生態風險的不可或缺的方法。

QSAR 建模方法是從指定的函數集中選出最好的函數逼近訓練集數據。其建立模型常用的數學方法主要包括: 多元線性回歸、主成分回歸、偏最小二乘法等[3]。本文將列舉部分利用QSAR預測模型在水環境化學中的應用實例，以期讓讀者有更加直觀的了解。

1 被動采樣中平衡分配系數QSAR模型的建立

被動采樣是一種被廣泛應用于測量水環境化學中化學品濃度的技術。污染物在被動采樣材料和水相之間的平衡分配系數(Kpw)是權衡一個被動采樣器可靠性的重要因素。而大部分的Kpw都是通過實驗測得，難以滿足對日益增長的有機污染物的檢測需求，所以，建立一個QSAR模型用來預測Kpw值是一種更為方便快捷且有效率的方法。楊蕾等[4]針對3類常用的被動采樣材料，即聚乙烯(PE)、聚丙烯酸酯(PA)和硅橡膠(SR)，構建了Kpw的QSAR預測模型且進行了應用域表征和機理解釋。

楊蕾等通過前人的研究文獻中搜集了諸多有機污染物在7種被動采樣材料上Kpw的實驗值，由此得到其構建模型的數據集，涵蓋烷烴類、烯烴類及芳香類等多種類別。數據集被分為訓練集和驗證集兩部分，80%的物質被隨機分配進入訓練集用以建立預測模型，剩余20%的物質被分配進入驗證集用以驗證所構建模型的可靠性。

2 生物富集因子QSAR預測模型的建立

生物富集因子(BCF)是對有機污染物在生物體內富集及影響程度進行評價的重要依據，不論是持久性有機污染物(POPs)或是持久性生物累積性有毒污染物(PBT)，其清單的確定都離不開BCF這個重要參數。而BCF實驗測定值的獲得需要大量的成本及較長的周期，且有機污染物的數量與日俱增，通過實驗的手段測定每種化合物的BCF值顯然是不現實的，由此秦紅[5]等人進行了一些關于預測BCF的QSAR預測模型的研究，其研究主要建立了8類有機污染物對魚類BCF的QSAR模型。

根據經濟合作與發展組織(OECD)提出的QSAR模型建立的方法指南，首先建立數據集，在秦紅等人的研究中，多環芳烴、多氯聯苯等在環境中普遍存在的8類共70種持久性有機污染物被作為研究對象，通過查閱文獻收集整理得到建立模型所需的log BCF實測值組成的數據集。后續操作步驟形同上述楊蕾等人建立QSAR模型時所用方法，從而得到了一個最優模型，并對模型進行了應用域表征。

從該模型具有的參數來看，所構建的模型具有良好的擬合優度和穩定性，且具有較強的外推能力。同樣的，作為QSAR模型建立后必需的步驟，對所用的分子描述符進行機理解釋是不可或缺的環節。秦紅等人建立的模型主要影響參數為分子的大小。分子體積大的化合物，克服水分子間內聚作用而形成空穴所需要的能量也越大,傾向于進入到分子內聚力較小的脂肪相中，有機污染物在生物體內的富集現象更加明顯。由此可見，分子大小是影響化合物在魚類體內富集的最主要因素。綜上，構建的QSAR模型可以進行在對應用域內有機化合物BCF 的預測工作。

3 雙酚A類似物雌激素干擾效應的QSAR模型

雙酚A(BPA)在日用品的生產作業中被大量使用，對生物內分泌有強烈的干擾且具有毒性，對雄性的生殖健康影響較大。許多國家已經對含有BPA的塑料等制品進行了限制甚至禁用，一些BPA類似物被用來代替BPA投入到工業化學品的生產中。由于兩者具有相似的化學結構及性質，BPA類似物的潛在內分泌干擾效應及毒理效應被廣泛關注。

由于BPA類似物危害效應的檢測手段主要以體外實驗為主，同時BPA類似物的種類與數量巨大，對該類化合物一一開展動物實驗進行研究不是最優的方式，而通過計算機來進行毒理學預測工作從而彌補傳統動物實驗帶來的數據缺失及其他缺點的方式更為合適。由此，楊先海[6]等人通過與上述兩類QSAR模型同樣的構建方式開發了一種用來預測BPA類似物的預測模型，該模型獲得了較高的擬合優度及穩定性，具有能夠較好預測應用域內其他BPA類似物的雌激素效應數據的能力。

4 結論與展望

通過上述三種不同方向的多種物質QSAR模型的建立，我們看到QSAR預測模型可以用于多種化工產品的代謝產物在環境中毒性效應、干擾效應及測量手段等等方面，以此可以相信并期待QSAR預測模型的方法能夠應用到更多的領域，為人類做出更大的貢獻。