張 丹，晁 聰，李玉坤，炊衣琦，楊凱峰

（1. 中原工學(xué)院 能源與環(huán)境學(xué)院，河南 鄭州 450007；2. 河南省食品安全檢測(cè)工程技術(shù)研究中心，河南 鄭州 450000）

隨著經(jīng)濟(jì)的快速發(fā)展，越來(lái)越多的有機(jī)物被合成、使用，并排放到水體、大氣、土壤、沉積物等環(huán)境介質(zhì)中，進(jìn)入人類賴以生存的生態(tài)系統(tǒng)。多數(shù)有機(jī)污染物具有毒性高、易生物富集等特點(diǎn)，能直接或間接紊亂內(nèi)分泌系統(tǒng)、干擾免疫系統(tǒng)平衡，對(duì)人體健康和生態(tài)環(huán)境構(gòu)成威脅［1］。因此，對(duì)有機(jī)污染物降解過(guò)程的研究已引起廣泛關(guān)注。然而，由于有機(jī)污染物種類繁多，要逐一、全面地對(duì)其進(jìn)行降解實(shí)驗(yàn)并不現(xiàn)實(shí)。因此，基于已有的有機(jī)污染物降解過(guò)程的研究，建立多種有機(jī)污染物分子結(jié)構(gòu)與環(huán)境轉(zhuǎn)化性質(zhì)之間的定量構(gòu)效關(guān)系（quantitative structure-activity relationship，QSAR）十分必要［2-3］，不僅可以節(jié)省實(shí)驗(yàn)所需的人力、物力資源，還能依據(jù)建立的模型對(duì)未知化合物的反應(yīng)活性、轉(zhuǎn)化機(jī)制進(jìn)行模擬預(yù)測(cè)。近年來(lái)，越來(lái)越多的研究者將QSAR應(yīng)用于苯系物［4］、多環(huán)芳烴［5］、有機(jī)磷酸酯［6］、染料［7］等有機(jī)污染物的自由基氧化、微生物降解、超臨界水氧化、光降解等過(guò)程的研究。

本文介紹了QSAR的原理及建模方法，對(duì)QSAR應(yīng)用于水中有機(jī)污染物不同降解過(guò)程中反應(yīng)活性模擬預(yù)測(cè)及機(jī)理解釋的研究進(jìn)行了綜述，并對(duì)該領(lǐng)域的發(fā)展趨勢(shì)進(jìn)行了展望，以期為相關(guān)研究提供參考。

1 QSAR的原理及建模方法

1.1 基本原理

QSAR基于化合物分子結(jié)構(gòu)與理化性質(zhì)、環(huán)境遷移轉(zhuǎn)化行為及生態(tài)毒理學(xué)效應(yīng)之間的內(nèi)在聯(lián)系，以同系物或多種有機(jī)物的結(jié)構(gòu)參數(shù)或理化參數(shù)為自變量，反應(yīng)活性、毒理效應(yīng)等為擬預(yù)測(cè)變量即因變量，利用數(shù)理統(tǒng)計(jì)方法建立自變量與因變量之間的定量關(guān)系［8］。QSAR模型既可預(yù)測(cè)未知化合物的目標(biāo)性質(zhì)，又能解釋分子結(jié)構(gòu)變化導(dǎo)致的性質(zhì)變化，推測(cè)可能的作用機(jī)理，還可指導(dǎo)化合物的改性［9］。

QSAR首先由HANSCH等［10-11］在20世紀(jì)60年代確立，隨著計(jì)算機(jī)技術(shù)、人工智能及機(jī)器學(xué)習(xí)技術(shù)的發(fā)展，研究化合物分子結(jié)構(gòu)與其反應(yīng)活性/毒理效應(yīng)之間定量關(guān)系的手段得到了豐富［12］。目前二維QSAR主要有Hansch法、基團(tuán)貢獻(xiàn)法、分子連接性指數(shù)法等；近年來(lái)三維結(jié)構(gòu)信息的引入開(kāi)啟了三維QSAR，主要有分子形狀分析、距離幾何法、比較分子相似因子分析等［13］。在三維基礎(chǔ)上考慮分子多構(gòu)象計(jì)算的四維QSAR，進(jìn)而考慮受體對(duì)配體誘導(dǎo)契合的五維QSAR，以及考慮受體、配體相互作用時(shí)溶劑化作用的六維QSAR，使人們對(duì)QSAR理論及技術(shù)有了更深入的認(rèn)識(shí)［14］。雖然三維以上的方法考慮因素更多、更接近真實(shí)體系，但目前尚處于方法研究階段，應(yīng)用較少。

QSAR模型的建立流程如圖1所示，收集的數(shù)據(jù)分為擬預(yù)測(cè)變量數(shù)據(jù)和分子結(jié)構(gòu)描述符數(shù)據(jù)，應(yīng)確保數(shù)據(jù)盡可能完整可靠，這是模型有效的前提。數(shù)據(jù)的來(lái)源通常有3種方式：1）實(shí)驗(yàn)；2）文獻(xiàn)，如學(xué)術(shù)期刊、報(bào)告、網(wǎng)站等；3）在線或離線的計(jì)算機(jī)程序、數(shù)據(jù)庫(kù)。分子結(jié)構(gòu)描述符是化合物理化性質(zhì)的量化表征，一種有機(jī)物包含大量的分子結(jié)構(gòu)描述符，如組分描述符、量子描述符、幾何參數(shù)、電子參數(shù)等，但并不是所有的描述符在QSAR建模中都有用，很多描述符表現(xiàn)出與擬預(yù)測(cè)變量較差的相關(guān)性或與其他描述符的共線性，因此，進(jìn)行分子結(jié)構(gòu)描述符的篩選十分必要，這有助于降低處理過(guò)多描述符的復(fù)雜性、降低過(guò)度訓(xùn)練的風(fēng)險(xiǎn)［15］。建立化合物結(jié)構(gòu)與反應(yīng)活性/毒理效應(yīng)關(guān)系模型的方法一般分為線性、非線性兩類，線性方法通常有回歸分析（多元線性回歸（multiple linear regression，MLR）、主成分回歸（principal component regression，PCR）等）、聚類分析、因子分析、模式識(shí)別等多元統(tǒng)計(jì)分析方法，非線性方法主要有支持向量機(jī)（support vector machine，SVM）、人工神經(jīng)網(wǎng)絡(luò)（artificial neural network，ANN）、遺傳算法等［16］。最后，對(duì)建立的模型進(jìn)行驗(yàn)證與評(píng)價(jià)，多采用內(nèi)部驗(yàn)證評(píng)價(jià)模型的穩(wěn)健性和擬合度，采用外部驗(yàn)證評(píng)價(jià)模型的預(yù)測(cè)能力。

圖1 QSAR模型的建立流程

1.2 建模方法

在完成數(shù)據(jù)收集、分子結(jié)構(gòu)描述符的篩選后，需要建立分子結(jié)構(gòu)描述符（自變量）與擬預(yù)測(cè)變量（因變量）之間的定量關(guān)系模型，此時(shí)建模方法的合理選擇對(duì)于構(gòu)建模型的有效性非常重要。下面將針對(duì)常用的QSAR建模方法進(jìn)行簡(jiǎn)要闡述。

作為經(jīng)典建模方法，MLR法被認(rèn)為是所有回歸方法中最具透明度的算法。MLR法基于多個(gè)獨(dú)立自變量，建立與因變量的線性回歸關(guān)系模型，進(jìn)而預(yù)測(cè)因變量的大小。一般要求自變量之間不存在明顯的自相關(guān)性，即多重共線性不顯著。MLR方程中獨(dú)立自變量與因變量的廣義數(shù)學(xué)表達(dá)式如式（1）所示。

式中：y為因變量，即定量構(gòu)效關(guān)系模型的擬預(yù)測(cè)變量；b0為常數(shù)項(xiàng)；b1，b2，…，bn為各獨(dú)立自變量的回歸系數(shù)；x1，x2，…，xn為獨(dú)立自變量，即使用的分子結(jié)構(gòu)描述符。

MLR法除了可得到自變量與因變量的關(guān)系，還可獲得自變量對(duì)因變量的影響程度信息，具有結(jié)構(gòu)簡(jiǎn)單、計(jì)算速度快等優(yōu)點(diǎn)。ZHANG等［7］通過(guò)逐步MLR法建立的QSAR模型研究了偶氮染料分子結(jié)構(gòu)與光降解活性之間的關(guān)系，結(jié)果表明：pH為9.0時(shí)的QSAR模型可對(duì)偶氮染料在紫外光照射下的光穩(wěn)定性做出較為準(zhǔn)確的預(yù)測(cè)；柔軟度、碳原子上最正及最負(fù)部分的電荷是關(guān)鍵的描述符。MLR法在實(shí)際應(yīng)用中應(yīng)注意：1）自變量之間應(yīng)相互獨(dú)立，可通過(guò)方差膨脹因子診斷多重共線性；2）為了避免線性回歸過(guò)擬合，使用的自變量數(shù)量不宜超過(guò)樣本總數(shù)的1/5［16］。

PCR法首先將自變量集通過(guò)數(shù)據(jù)降維處理，排除重疊的部分，轉(zhuǎn)換為少數(shù)線性無(wú)關(guān)的新變量，即主成分，同時(shí)盡可能保留自變量的數(shù)據(jù)結(jié)構(gòu)特征；然后將主成分按貢獻(xiàn)率排序，進(jìn)行MLR。當(dāng)自變量集維度太高時(shí)，降維提取貢獻(xiàn)率大的主成分能降低建模復(fù)雜性，可較好地解決多重共線性問(wèn)題。

與PCR法類似，因子分析通過(guò)研究自變量集的相關(guān)關(guān)系矩陣內(nèi)部結(jié)構(gòu)，尋找起支配作用的主因子［17］，用于確定顯著影響化合物反應(yīng)活性的結(jié)構(gòu)因素。模式識(shí)別將結(jié)構(gòu)參數(shù)作為數(shù)量化的模式向量，使結(jié)構(gòu)與活性聯(lián)系起來(lái)［18］，在QSAR研究中對(duì)于合理選擇降解活性化合物具有指導(dǎo)作用。此外，偏最小二乘（partial least squares，PLS）法同樣基于成分提取，除了考慮自變量數(shù)據(jù)集外，還兼顧因變量數(shù)據(jù)集，是一種多因變量對(duì)多自變量的建模方法［16］。PLS法兼顧MLR法和PCR法的優(yōu)點(diǎn)，適用于分子結(jié)構(gòu)描述符之間存在多重共線性或變量個(gè)數(shù)大于樣本容量的情況。

1.2.2 SVM法

不同于傳統(tǒng)統(tǒng)計(jì)學(xué)的經(jīng)驗(yàn)風(fēng)險(xiǎn)最小化，SVM法是一類基于結(jié)構(gòu)風(fēng)險(xiǎn)最小化原理的機(jī)器學(xué)習(xí)算法。SVM法結(jié)合最大化分類間隔思想和基于核函數(shù)的方法，致力于將非線性可分的數(shù)據(jù)通過(guò)核函數(shù)映射到高維特征空間，轉(zhuǎn)化成可線性分割的關(guān)系。建模過(guò)程中，通過(guò)對(duì)比不同核函數(shù)，如線性核函數(shù)、徑向基核函數(shù)、多項(xiàng)式核函數(shù)等的性能，選擇合適的核函數(shù)，建立全局最優(yōu)模型。徐鏡善等［19］采用SVM法對(duì)酚類化合物進(jìn)行QSAR研究，根據(jù)均方根誤差最小原則，確定徑向基核函數(shù)為最優(yōu)核函數(shù)，所建立模型的預(yù)測(cè)精度（0.934）優(yōu)于MLR法（0.895）及PLS法（0.894），表現(xiàn)了較好的預(yù)測(cè)能力、泛化能力。SVM法具有魯棒性、精度高、自適應(yīng)能力強(qiáng)等特點(diǎn)，在解決樣本容量小、非線性、高維等問(wèn)題方面具有獨(dú)特優(yōu)勢(shì)。

葛根是蘇伯維爾的君藥，而葛根素則是葛根的有效成分，研究表明其具有解熱〔4〕，鎮(zhèn)痛〔5〕，抗菌、抗感染〔6〕，降血壓〔7〕，降血糖、血脂〔8〕，抗氧化，抗腫瘤，解酒〔9〕等作用，與蘇伯維爾的功能主治一致，所以本實(shí)驗(yàn)選擇葛根素作為蘇伯維爾水提工藝的含量測(cè)定指標(biāo)。為考察提取情況，首先對(duì)葛根素含量進(jìn)行考察，其次對(duì)浸膏得率進(jìn)行考察，試驗(yàn)分析得出：葛根素含量比浸膏得率更好地反映藥材的提取情況，故設(shè)計(jì)葛根素含量與浸膏得率的權(quán)重系數(shù)為8：2。為確保水提工藝的合理性，本實(shí)驗(yàn)進(jìn)行了驗(yàn)證試驗(yàn)，結(jié)果表明，正交試驗(yàn)優(yōu)選出的水提工藝合理可行。

1.2.3 ANN法

作為一種模擬人腦功能及神經(jīng)網(wǎng)絡(luò)工作的機(jī)器學(xué)習(xí)方法，ANN法以數(shù)學(xué)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)為理論基礎(chǔ)，包括3層：輸入層、輸出層和位于它們之間的隱含層，其中隱含層數(shù)量至少為兩個(gè)的神經(jīng)網(wǎng)絡(luò)稱為深度神經(jīng)網(wǎng)絡(luò)。在前向傳遞中，變量由輸入層輸入，經(jīng)過(guò)隱含層處理轉(zhuǎn)換后，在輸出層得到結(jié)果。如果輸出層的輸出結(jié)果達(dá)不到期望，通常會(huì)轉(zhuǎn)入反向傳播算法，對(duì)神經(jīng)元的權(quán)值、偏差進(jìn)行調(diào)整更新，從而使建立的模型能更好地描述自變量與因變量的關(guān)系［20］。楊靜等［21］采用遺傳算法結(jié)合ANN法構(gòu)建了27種性質(zhì)參數(shù)與23種酚類化合物臭氧氧化速率的QSAR模型，模型表明，酚類化合物電子云分布、苯環(huán)取代基性質(zhì)、水溶液中溶劑化作用均會(huì)顯著影響臭氧氧化速率；模型的預(yù)測(cè)值與實(shí)測(cè)值相關(guān)性顯著（R2=0.95），預(yù)測(cè)能力較強(qiáng)，與PLS算法建立的模型相比，ANN模型穩(wěn)健性更好。ANN法具有非線性、自適應(yīng)學(xué)習(xí)能力強(qiáng)等優(yōu)點(diǎn)，在解決非線性問(wèn)題方面具有優(yōu)勢(shì)。

2 QSAR在有機(jī)污染物降解過(guò)程的應(yīng)用

2.1 反應(yīng)活性模擬預(yù)測(cè)

為研究有機(jī)污染物的環(huán)境歸趨、降解轉(zhuǎn)化，需要獲得反應(yīng)動(dòng)力學(xué)參數(shù)，如降解速率、半衰期等。由于有機(jī)污染物種類繁多，逐一進(jìn)行實(shí)驗(yàn)測(cè)定耗費(fèi)大量人力、物力資源，難以適應(yīng)環(huán)境評(píng)價(jià)的需要，建立有機(jī)污染物降解過(guò)程反應(yīng)活性的QSAR模型具有重要意義。

2.1.1 光降解動(dòng)力學(xué)的模擬預(yù)測(cè)

有機(jī)污染物的光降解分為直接光解和間接光解，是環(huán)境降解轉(zhuǎn)化的重要途徑［22-23］。作為光降解反應(yīng)動(dòng)力學(xué)的重要參數(shù)，光解速率是評(píng)估有機(jī)污染物光解過(guò)程、在環(huán)境中持久性的一項(xiàng)重要指標(biāo)。研究表明，通過(guò)構(gòu)建QSAR模型，可實(shí)現(xiàn)對(duì)偶氮染料、多環(huán)芳烴、溴化物等有機(jī)污染物光解速率的模擬預(yù)測(cè)，詳見(jiàn)表1。

表1 有機(jī)污染物光降解反應(yīng)速率的QSAR預(yù)測(cè)模型

ZHANG等［27］研究鹵代消毒副產(chǎn)物的紫外光直接光解過(guò)程時(shí)發(fā)現(xiàn)，鹵代基數(shù)目越多，光解速率越大；光解速率還受鹵代基類型的影響，碘代＞溴代＞氯代。采用MLR方法構(gòu)建的光解速率參數(shù)（logk）與分子結(jié)構(gòu)描述符的QSAR模型表明，最高占據(jù)分子軌道與最低未占據(jù)分子軌道之間的能隙（ELUMOEHOMO）、復(fù)合擴(kuò)展拓?fù)浠瘜W(xué)原子指數(shù)描述符與logk呈現(xiàn)較高的相關(guān)性，Williams圖驗(yàn)證該模型具有較好的魯棒性和可靠性。

CHEN等［28］研究了多氯聯(lián)苯硫醚的直接光解反應(yīng)，發(fā)現(xiàn)光解過(guò)程遵循準(zhǔn)一級(jí)反應(yīng)動(dòng)力學(xué)方程，高氯化聯(lián)苯硫醚的降解速率通常比低氯的同類化合物快；構(gòu)建的光解速率QSAR模型表明，氯原子的取代模式、偶極矩和ELUMO-EHOMO是主要的描述符。王文清等［29］基于反向傳播算法的ANN，以反應(yīng)物濃度、H2O2投加量、光強(qiáng)度、pH、反應(yīng)時(shí)間5個(gè)因素作為輸入層，以反應(yīng)物剩余率的對(duì)數(shù)作為輸出層，利用94組數(shù)據(jù)構(gòu)建了UV-H2O2光降解微囊藻毒素過(guò)程的QSAR模型，模型可對(duì)多因素條件下的光解速率進(jìn)行仿真預(yù)測(cè)。

2.1.2 高級(jí)氧化過(guò)程反應(yīng)動(dòng)力學(xué)的模擬預(yù)測(cè)

高級(jí)氧化過(guò)程是指通過(guò)活化化學(xué)氧化劑產(chǎn)生的高活性物種（如羥基自由基·OH、硫酸根自由基SO4-·等），與有機(jī)污染物發(fā)生反應(yīng)，將有機(jī)污染物氧化成小分子物質(zhì)，甚至降解為H2O、CO2的過(guò)程［30］。高級(jí)氧化過(guò)程具有條件溫和、高效、環(huán)境友好等優(yōu)點(diǎn)，在環(huán)境有機(jī)污染物去除、原位化學(xué)修復(fù)領(lǐng)域的應(yīng)用前景廣闊［31］。高級(jí)氧化過(guò)程產(chǎn)生的·OH、SO4-·與有機(jī)污染物發(fā)生降解反應(yīng)的速率常數(shù)（k）是表征污染物與活性物種反應(yīng)強(qiáng)度、能力的重要參數(shù)，除了實(shí)驗(yàn)獲取外，QSAR模型也是預(yù)測(cè)k的一種重要手段［22，32］。目前文獻(xiàn)已構(gòu)建的一些代表性QSAR模型如表2所示。

表2 ·OH、SO4-·與有機(jī)污染物反應(yīng)速率常數(shù)的QSAR預(yù)測(cè)模型

LUO等［33］收集有機(jī)物分子與·OH的反應(yīng)速率常數(shù)（k·OH），采用MLR方法構(gòu)建了具有良好預(yù)測(cè)能力的QSAR模型，并發(fā)現(xiàn)最高占據(jù)分子軌道能（EHOMO）對(duì)模型的貢獻(xiàn)最大，是影響k·OH的最主要因素，EHOMO作為衡量分子給電子能力的參數(shù)，其值越大越容易被親電試劑·OH攻擊發(fā)生降解反應(yīng)。此外，考慮到許多有機(jī)物含有可電離基團(tuán)，可以分解為不同種類的陰離子/陽(yáng)離子，對(duì)·OH具有不同的反應(yīng)活性，LUO等［34］研究了9種氟喹諾酮（fluoroquinolones，F(xiàn)Qs）和11種磺胺類（sulfonamides，SAs）抗生素在3種解離形式（FQ±（兩性離子）/FQ+/FQ-，SA0（中性）/SA+/SA-）下與·OH的反應(yīng)速率常數(shù)（k·OH）的QSAR模型，發(fā)現(xiàn)CH2RX（X為電負(fù)性原子，如O、N、S、P、鹵素）片段數(shù)、C原子上最大正原子凈電荷和分子偶極矩是影響反應(yīng)活性的主要因素，其中CH2RX片段數(shù)、分子偶極矩的增加會(huì)導(dǎo)致logk·OH值增大，而C原子上最大正原子凈電荷的增加則導(dǎo)致logk·OH值的減小。模型預(yù)測(cè)了環(huán)境相關(guān)pH條件下不同解離形式FQs、SAs的k·OH，對(duì)可電離有機(jī)污染物的環(huán)境評(píng)估具有重要意義。

另外，YE等［41］在構(gòu)建SO4-·氧化有機(jī)污染物過(guò)程的反應(yīng)速率常數(shù)預(yù)測(cè)模型時(shí)發(fā)現(xiàn)，多元MLR建立的模型對(duì)訓(xùn)練集化合物的擬合精度為0.88，對(duì)驗(yàn)證集化合物的預(yù)測(cè)正確率為62%；ANN法建立模型的擬合精度更好（0.99），但對(duì)驗(yàn)證集化合物的預(yù)測(cè)正確率較低（42%），這表明不同的建模方法影響模型的擬合精度和預(yù)測(cè)能力。CHENG等［42］研究了30種有機(jī)物在不同氧化體系（O2、H2O2、O3和·OH）中的降解過(guò)程，建立了有機(jī)物氧化還原電位（oxidation-reduction potentials，ORP）的QSAR模型，隨后基于反應(yīng)速率常數(shù)（k）、氧化劑與有機(jī)物的ORP差值之間的線性關(guān)系，提出斜率、截距兩個(gè)新的預(yù)測(cè)因子用于預(yù)測(cè)有機(jī)物的k值和最小氧化電位，建立了斜率、截距、ORP值的QSAR模型，這表明斜率、截距及相關(guān)量子化學(xué)參數(shù)可用于預(yù)測(cè)反應(yīng)活性，為氧化劑的選擇提供了新思路。

2.1.3 生物降解性的模擬預(yù)測(cè)

生物降解是指微生物通過(guò)氧化、還原、水解等作用使有機(jī)物分子發(fā)生礦化，轉(zhuǎn)化成小分子的過(guò)程，通常被認(rèn)為是有機(jī)污染物在環(huán)境中的一類重要降解轉(zhuǎn)化過(guò)程［43］。開(kāi)展有機(jī)污染物生物降解性的研究，有助于評(píng)估其在水體、土壤等環(huán)境介質(zhì)中的潛在降解能力［44］。目前獲取生物降解性數(shù)據(jù)的主要途徑是實(shí)驗(yàn)測(cè)定，但難以通過(guò)實(shí)驗(yàn)測(cè)定所有有機(jī)物的生物降解性，且實(shí)驗(yàn)需要經(jīng)過(guò)微生物菌株培養(yǎng)、篩選等過(guò)程。因此，開(kāi)展生物降解性的QSAR研究十分必要，可通過(guò)QSAR模型探尋生物降解性的影響因素，預(yù)測(cè)其他有機(jī)污染物的生物降解性。

ACHARYA等［45］根據(jù)分子結(jié)構(gòu)描述符將103種有機(jī)物分為3組（第1組，單環(huán)芳香類化合物，69種；第2組，多環(huán)芳香類化合物，34種；第3組，所有芳香類化合物，103種），采用MLR方法進(jìn)行QSAR建模。發(fā)現(xiàn)與第1組數(shù)據(jù)集QSAR模型相關(guān)的描述符是與疏水性、電子性、立體性、尺寸有關(guān)的化學(xué)性質(zhì)，而第2、3組數(shù)據(jù)集的QSAR模型與相對(duì)抽象的描述符相關(guān)，如分子幾何、立體化學(xué)、構(gòu)象指數(shù)、2D指紋等，因此單環(huán)芳香類化合物的QSAR模型比其他兩組的更容易解釋化合物分子結(jié)構(gòu)對(duì)生物降解性的影響。CHEN等［46］以825種有機(jī)物為大樣本，采用C4.5決策樹(shù)、函數(shù)內(nèi)回歸樹(shù)和邏輯回歸方法分別建立生物降解性的預(yù)測(cè)模型，發(fā)現(xiàn)函數(shù)內(nèi)回歸樹(shù)模型在訓(xùn)練集和驗(yàn)證集上的預(yù)測(cè)準(zhǔn)確率分別為81.5%和81.0%，穩(wěn)健性最好；C4.5決策樹(shù)和邏輯回歸模型形式相對(duì)簡(jiǎn)單，容易理解預(yù)測(cè)規(guī)則。此外，唐晨等［47］基于587種有機(jī)物的數(shù)據(jù)，分別利用MLR法、SVM法建立QSAR模型，根據(jù)有機(jī)物各碎片基團(tuán)與生物降解性的相關(guān)系數(shù)，發(fā)現(xiàn)芳香酸、醛、脂肪酸、脂肪醇等對(duì)生物降解性有明顯的促進(jìn)作用，而芳香碘、叔胺、芳香硝基、氨基甲酸酯等對(duì)生物降解性的消極影響較大。SVM模型的總體預(yù)測(cè)率（87.9%）和驗(yàn)證集正確率（86%）均高于MLR模型（81.4%和82%），具有較好的預(yù)測(cè)能力。

QSAR模型不僅在好氧生物降解性的模擬預(yù)測(cè)領(lǐng)域得到了成功應(yīng)用，在厭氧生物降解過(guò)程也同樣適用。馬益等［48］基于155種有機(jī)物的“血清瓶”厭氧生物降解篩選實(shí)驗(yàn)數(shù)據(jù)，分別采用MLR法、反向傳播人工神經(jīng)網(wǎng)絡(luò)（BP-ANN）法構(gòu)建QSAR模型，發(fā)現(xiàn)積極影響厭氧生物降解性的碎片基團(tuán)有16種，其中磷酸酯、溴代脂肪烴、吡啶環(huán)等貢獻(xiàn)值較大；起到消極影響的碎片基團(tuán)有20種，叔胺、酰胺、甲基芳香烴等貢獻(xiàn)較大。模型評(píng)價(jià)結(jié)果表明，BP-ANN方法預(yù)測(cè)精度優(yōu)于MLR方法。

此外，QSAR在多環(huán)芳烴［5］、鄰苯二甲酸酯［49］、苯酚［50］、芳香類化合物［51-53］等有機(jī)污染物生物降解性預(yù)測(cè)的應(yīng)用均表明，QSAR模型可為有機(jī)污染物活性參數(shù)研究提供參考，有助于幫助合理預(yù)測(cè)結(jié)構(gòu)相似的未知有機(jī)污染物的環(huán)境轉(zhuǎn)化行為。

2.2 反應(yīng)機(jī)理解釋

QSAR除了模擬預(yù)測(cè)不同降解過(guò)程的反應(yīng)活性外，所反映出的分子結(jié)構(gòu)描述符信息還有助于闡釋反應(yīng)機(jī)理［54］，為有機(jī)污染物的去除提供理論指導(dǎo)。LUO等［4］構(gòu)建了·OH、SO4-·與76種芳香類有機(jī)污染物反應(yīng)活性的QSAR模型，發(fā)現(xiàn)EHOMO是對(duì)反應(yīng)活性影響程度最大的描述符。EHOMO越高的分子越容易受到強(qiáng)親電體的攻擊，有助于電子的轉(zhuǎn)移過(guò)程；與·OH相比，高EHOMO分子更易與SO4-·發(fā)生反應(yīng)。最高占據(jù)分子軌道分布依賴于官能團(tuán)類型，因此參考最高占據(jù)分子軌道分布可以區(qū)分不同官能團(tuán)有機(jī)物分子反應(yīng)的傾向性差異，QSAR模型反映出的EHOMO描述符可作為衡量自由基氧化反應(yīng)單電子轉(zhuǎn)移路徑的定量指標(biāo)。

LI等［55］分別以脂肪族、芳香化合物為數(shù)據(jù)集，采用MLR方法建立了水合電子反應(yīng)速率常數(shù)的QSAR模型，發(fā)現(xiàn)均包含最低未占據(jù)分子軌道能（ELUMO）、單電子還原電位（ERED）、極化率（α）3個(gè)描述符。與經(jīng)常出現(xiàn)在氧化反應(yīng)（如·OH反應(yīng)）速率預(yù)測(cè)QSAR模型中的描述符EHOMO相比，ELUMO是還原反應(yīng)重要的預(yù)測(cè)變量，代表分子對(duì)親核體（如水合電子）攻擊的敏感性，對(duì)脂肪族和芳香化合物水合電子反應(yīng)速率常數(shù)的方差解釋率分別為60.1%和56.4%，低ELUMO分子更傾向于從其他來(lái)源獲得電子，并被還原。ERED描述了化合物的還原活性，α則與整體反應(yīng)活性有關(guān)，α越高，電子分布越靈活，對(duì)親核體或親電體的反應(yīng)性越強(qiáng)。CVETNIC等［56］對(duì)17種新興污染物光氧化降解過(guò)程（UV-C/H2O2、UV-C/S2O82-）的系統(tǒng)行為進(jìn)行研究，采用遺傳算法結(jié)合MLR建立了QSAR模型，模型表明與新興污染物副產(chǎn)物降解動(dòng)力學(xué)的經(jīng)驗(yàn)參數(shù)u和s相關(guān)的描述符可較好地解釋降解機(jī)理，即降解過(guò)程為·OH、SO4-·氫取代路徑和電子轉(zhuǎn)移路徑；另外兩個(gè)描述慢、快礦化副產(chǎn)物比值的經(jīng)驗(yàn)參數(shù)w和q依賴于新興污染物母體的結(jié)構(gòu)特征，如緊湊/線性結(jié)構(gòu)、分子對(duì)稱性等，可用描述符和與分子大小、形狀相關(guān)的權(quán)重因子來(lái)解釋。QSAR模型在將反應(yīng)動(dòng)力學(xué)、降解機(jī)制與簡(jiǎn)化的反應(yīng)路徑相關(guān)聯(lián)方面提供了較高的準(zhǔn)確性。

3 結(jié)語(yǔ)與展望

QSAR將有機(jī)污染物分子結(jié)構(gòu)與降解活性、機(jī)理解釋聯(lián)系起來(lái)，適合處理大量數(shù)據(jù)。QSAR模型能夠識(shí)別現(xiàn)有數(shù)據(jù)的趨勢(shì)，模擬預(yù)測(cè)未經(jīng)測(cè)試化合物的反應(yīng)活性，為研究環(huán)境中種類繁多的有機(jī)污染物的降解過(guò)程、環(huán)境歸趨提供了一種可行的解決方案，但在實(shí)際應(yīng)用中仍需不斷探索。未來(lái)可對(duì)以下主要問(wèn)題進(jìn)行深入研究。

a）降解活性數(shù)據(jù)受實(shí)驗(yàn)條件、方法的影響，不同來(lái)源的數(shù)據(jù)可比性有限，直接用于構(gòu)建QSAR模型會(huì)影響模型的準(zhǔn)確性，需建立有機(jī)污染物降解活性數(shù)據(jù)篩選流程，確定統(tǒng)一、標(biāo)準(zhǔn)的篩選方法。

b）對(duì)于新興污染物降解過(guò)程研究，應(yīng)補(bǔ)充、擴(kuò)展QSAR模型降解活性數(shù)據(jù)集數(shù)據(jù)。

c）如何將QSAR模型應(yīng)用于實(shí)際環(huán)境介質(zhì)，如水體、土壤、大氣等，還有待解決。QSAR模型直接外推到其他條件并不科學(xué)，需建立可定量有機(jī)物分子中不同官能團(tuán)誘導(dǎo)效應(yīng)、共振效應(yīng)、立體效應(yīng)的相互作用因子，在QSAR模型中考慮復(fù)雜環(huán)境介質(zhì)中共存的有機(jī)污染物或介質(zhì)成分（如溶解性有機(jī)物、陰陽(yáng)離子、酸堿度等）對(duì)目標(biāo)污染物反應(yīng)活性的影響。