探索高价值铜物种与新出现的污染物的反应性,使用预测性QSAR建模

科学领域:

• 环境化学环境化学
• 绿色化学 绿色化学
• 计算化学计算化学

背景情况:

• 高价值金属物种 (HVMS) 由于其氧化能力,显示出对环境修复的希望.
• 由于HVMS的不稳定性,其动力学研究和实际应用有限.
• 预测HVMS与新出现的污染物 (EC) 的反应性对于有效的治疗至关重要.

研究的目的:

• 开发一种定量结构-活性关系 (QSAR) 模型,用于预测高价值铜种 (Cu(III)) 与ECs的反应速率常数.
• 在先进的氧化过程中 (AOPs) 确定影响Cu(III) 反应性的关键分子描述剂.
• 为使用HVMS选择性去除EC提供预测工具.

主要方法:

• 开发一个使用伪第一阶速常数 (k) 进行Cu (III) -EC反应的QSAR模型.
• 确定最佳分子描述符:极地表面积 (PSA),碳上的希尔什菲尔德电荷 (q(C-) X),以及最低的空置分子轨道能量 (E_LUMO).
• 使用R^2_adj,Q^2_LOO和Q^2_ext指标验证QSAR模型.
• 密度函数理论 (DFT) 计算以阐明反应机制.

主要成果:

• 建立了一个最佳的QSAR模型 (log k = 0.002×PSA - 10.1465×q(C-) X - 4.5896×E_LUMO - 2.0116),具有强大的预测能力 (R^2_adj=0.822,Q^2_LOO=0.784,Q^2_ext=0.951).
• 确定PSA,q(C-) X和E_LUMO是控制Cu(III) 反应性的关键协同因素.
• 较大的PSA促进了EC扩散,较小的q(C-) X增强了EC的核友性,较低的E_LUMO优化了能量差距以提高反应性.

结论:

• 开发的QSAR模型准确地预测了Cu(III) 与EC的反应性,填补了关键的知识空白.
• 分子描述符PSA,q(C-) X和E_LUMO为反应机制提供了洞察力.
• 这项研究为设计使用HVMS的选择性环境修复策略提供了可靠的参考.