改进了PFAS与PLFER和QSPR分区的预测

科学领域:

• 环境化学环境化学
• 计算化学的计算化学
• 化学品风险评估 化学品风险评估

背景情况:

• 和多基基物质 (PFAS) 是全球关注的化学品,需要全面的危险和风险评估.
• 准确的物理化学性质 (PCP) 数据对于这些评估至关重要,但对PFAS的实验数据很少.
• 由于数据稀缺,现有的定量结构与财产关系 (QSPR) 模型对PFAS具有有限的预测能力.

研究的目的:

• 增强QSPR模型,用于预测中性PFAS的多参数线性自由能量关系 (PPLFER) 描述符.
• 提高关键物理化学性质的预测准确度,包括水溶性 (Sw),蒸汽压力 (VP) 和分区比 (KOW,KOA,KAW).
• 在免费可用的IFSQSAR包 (v.1.1.1) 中提供更新的模型,并将其性能与现有工具进行比较.

主要方法:

• 将Endo 2023中的新实验PCP数据纳入QSPR模型开发中.
• 专注于PPLFER描述符,包括对不同摩尔体积版本的比较分析,以实现最佳预测.
• 通过将预测与以前的版本和已建立的QSPR软件 (美国环保署的EPI套件,OPERA) 进行比较,验证新的IFSQSAR模型 (v.1.1.1).

主要成果:

• 更新的IFSQSAR模型在预测PFAS物理化学性质方面显示出更高的准确性.
• 对于日志KOW的根平均平方误差 (RMSE) 的显著降低 (约. 1日志单位) 和日志KAW和日志KOA (0.2日志单位) 的显著改进.
• 与OPERA和EPI套件相比,IFSQSAR v.1.1.1对于关键分区比率通常显示较低的RMSE,而EPI套件对日志KOW.显示可比的RMSE.

结论:

• 改进的IFSQSAR模型为中性PFAS的物理化学性质提供了更可靠的预测.
• 这些改进对于更准确的PFAS环境和风险评估至关重要.
• 为未来的实验数据生成和QSPR研究提供建议,以进一步推进PFAS属性预测.