阅读说明：本技术 一种预测有机污染物在聚乙烯型微塑料和水相之间分配平衡常数的方法 (Method for predicting distribution equilibrium constant of organic pollutants between polyethylene type micro plastic and water phase ) 是由 尉小旋 李淼 于海瀛 王一飞 张加根 马广才 于 2020-02-19 设计创作，主要内容包括：本发明提供了一种预测有机污染物在聚乙烯型微塑料和水相之间分配平衡常数的方法,属于面向环境生态风险评价的定量结构-性质关系技术领域。本发明使用描述符ε<Sub>α</Sub>(ε<Sub>α</Sub>＝E<Sub>LUMO</Sub>－E<Sub>HOMO-water</Sub>,E<Sub>LUMO</Sub>为最低未占分子轨道能,E<Sub>HOMO</Sub>为最高占据分子轨道能)、ε<Sub>β</Sub>(ε<Sub>β</Sub>＝E<Sub>LUMO-water</Sub>－E<Sub>HOMO</Sub>)和log D(不同pH条件下的正辛醇/水分布系数),分别构建了可用于预测有机污染物在PE和海水、PE和淡水、PE和纯水之间K<Sub>d</Sub>值的QSPR模型。所建模型可用于预测多氯联苯、氯苯、多环芳烃、抗生素、芳烃、脂肪烃、六氯环己烷等有机污染物的K<Sub>d</Sub>值,且具有良好的拟合能力、预测能力和稳健性。(The invention provides a method for predicting a distribution equilibrium constant of organic pollutants between polyethylene type micro-plastic and a water phase, and belongs to the technical field of quantitative structure-property relation oriented to environmental ecological risk evaluation. The invention uses descriptors α ( α ＝E LUMO －E HOMO‑water ，E LUMO At the lowest unoccupied molecular orbital energy, E HOMO To occupy the highest molecular orbital energy) β ( β ＝E LUMO‑water －E HOMO ) And log D (n-octanol/water distribution coefficient under different pH conditions), respectively constructing a model for predicting organic pollutants in PE and seawater, PE and fresh water, PE and pure waterK between water d QSPR model of value. The established model can be used for predicting K of organic pollutants such as polychlorinated biphenyl, chlorobenzene, polycyclic aromatic hydrocarbon, antibiotic, aromatic hydrocarbon, aliphatic hydrocarbon, hexachlorocyclohexane and the like d The method has good fitting ability, prediction ability and robustness.)

一种预测有机污染物在聚乙烯型微塑料和水相之间分配平衡 常数的方法

技术领域

本发明涉及生态安全评价技术领域，具体涉及一种面向环境生态风险评价的定量结构-性质关系(QSPR)技术领域，特别涉及一种预测有机污染物在聚乙烯型微塑料和水相之间分配平衡常数的方法。

背景技术

微塑料(粒径＜5mm)是一类全球性新型环境污染物，因其生物累积、生态毒性和吸附行为而备受关注。微塑料进入水体后，会与水环境中的有机污染物发生相互作用，增强有机污染物对生物体的毒性效应，甚至沿食物链进行传递，增加生物体和人体的暴露风险，进而危害生态环境安全和人类健康。

K_d是描述有机污染物在微塑料和水相间分配行为的重要参数。K_d值可以影响有机污染物在环境中的迁移、转化及归趋，了解水体中微塑料与有机污染物的相互作用对后续两者毒理效应的研究十分必要。但目前微塑料的相关研究尚处于起始阶段，实验报道的K_d值数量非常有限，完全无法满足后续研究的需求。同时，因为有机污染物种类众多、可解离有机污染物还具有不同解离形态、不同水环境介质中有机污染物与微塑料的相互作用强度差异显著等原因，待测定K_d值数量又大大增加。实验测定K_d值的过程中还存在微塑料在溶液中不易均匀分散，造成实验误差等问题。因此，发展性能良好的预测K_d值的方法尤为重要。

定量结构-性质关系(Quantitative Structure-Property Relationship，QSPR)可以避免实验误差、不受实验条件等诸多因素限制，且开发成本低廉、方便快捷，已被成功应用于预测有机污染物的理化性质、环境行为和生态毒性参数，其可以根据分子结构信息，预测有机物的K_d值。然而，目前报道的关于K_d的QSPR模型，在有机物的类型和数目、模型的预测能力以及所揭示的吸附机制等方面还存在一些不足。

Smedes等人(Smedes F,Geertsma R W,Zande T,et al.Polymer-waterpartition coefficients of hydrophobic compounds for passive sampling:Application of cosolvent models for validation.Environmental Science&Technology,2009,43(18): 7047-7054.)分别基于分子量和正辛醇/水分配系数建立了26个多环芳烃的吸附模型，并比较了描述平衡分配系数的最优方法。然而该模型并没有对不同类型的微塑料加以区别，且模型应用域的适用性较差，不能用于不同水介质中不同种类型微塑料对有机污染物吸附能力的预测。

Hüffer等人(Hüffer T,Hofmann T.Sorption of non-polar organic compoundsby micro-sized plastic particles in aqueous solution.Environmental pollution,2016,214: 194-201.)使用摩尔体积、辛醇/水分配系数、十六烷/水分配系数等建立了非极性有机化合物(包括正己烷、环己烷、苯、甲苯、氯苯、苯甲酸乙酯、萘等七种) 的K_d值预测模型。但该模型化合物数量较少，且未对模型进行检验和表征，同时受到应用域的限制，无法应用于更多类别化合物(如多氯联苯)的预测。

李广宇等人(李广宇,陈景文,李雪花,et al.几类有机污染物的微塑料/水分配系数的线性溶解能关系模型[J].生态毒理学报,2017.)采用线性溶解能参数构建了有机污染物(多氯联苯、多环芳烃、六氯环己烷和氯苯类)在聚丙烯型微塑料/海水、聚乙烯型微塑料/海水、聚乙烯型微塑料/淡水之间K_d值的预测模型，模型性能良好，但模型参数依赖于实验测定，数据集较少且未考虑解离形态差异，一定程度上限制了模型的使用。

由此可见，目前已有的模型尚不能简单、快捷地预测不同水介质环境中种类繁多且形态多样的有机污染物的K_d值。

因此，开发性能优良、算法简单透明、实用性强的K_d预测模型，使其可用于预测多氯联苯、氯苯、多环芳烃等不同种类有机污染物的K_d值，将会有效弥补有机化学品风险评价及管理的基础数据缺失问题，并为生态安全和健康风险评价提供数据支持和理论指导。

发明内容

本发明的目的在于提供一种预测有机污染物在聚乙烯型微塑料和水相之间分配平衡常数K_d的方法，该评测方法可以评估不同水环境介质中有机污染物在聚乙烯型微塑料(PE)表面的吸附能力，且具有高效快速、成本低廉、实用性强的优点。

为解决以上技术问题，本发明采用的技术方案如下：

(a)通过已有的数据库和文献，获取37种有机污染物在PE/海水之间的K_d值、24种有机污染物在PE/淡水之间的K_d值、48种有机污染物在PE/纯水之间的 K_d值；

(b)根据有机污染物在微塑料和水相之间分配机理的分析，筛选出以下描述符用于构建log K_d预测模型：

ε_α(ε_α＝E_LUMO-E_HOMO-water，E_LUMO为最低未占分子轨道能，E_HOMO为最高占据分子轨道能)，

ε_β(ε_β＝E_LUMO-water-E_HOMO)，和

log D(不同pH条件下的正辛醇/水分布系数)；

(c)采用多元线性回归(MLR)方法建立K_d与ε_α、ε_β和log D之间的回归模型，具体过程由SPSS 21.0执行；使用相关系数的平方(r²)和均方根误差(rms)作为统计学指标表征模型的拟合性能，使用预测相关系数的平方(q²)表征模型的预测性能；

经MLR方法得到的回归模型如下：

PE/海水：log K_d＝0.725×log D-23.169×ε_β-36.236×ε_α+17.856 (1)；

PE/淡水：log K_d＝0.667×log D+1.714 (2)；

PE/纯水：log K_d＝0.486×log D+2.420 (3)。

上述步骤(a)中所述有机污染物覆盖多氯联苯、氯苯、多环芳烃、抗生素、芳烃、脂肪烃、六氯环己烷共七大类。

进一步，所述E_HOMO-water和E_LUMO按照以下方法获得：根据待预测有机物的分子结构，使用Gaussian 09软件的密度泛函理论(DFT)B3LYP/6-31G(d,p)算法对分子进行结构优化和频率分析，在输出文件中提取待预测有机物的E_HOMO-water和 E_LUMO值。

进一步，所述log D由ACD Labs 6.0软件根据待预测有机物的分子结构计算得到。

进一步，所述有机化合物包括多氯联苯、氯苯、芳烃如单环芳烃、多环芳烃及稠环芳烃、抗生素、脂肪烃、六氯环己烷。

在通过已有的数据库和文献收集有机污染物在PE/海水之间、PE/淡水之间、 PE/纯水之间的K_d值的过程中，收集的有机污染物覆盖多氯联苯、氯苯、多环芳烃、芳烃、抗生素、脂肪烃、六氯环己烷共七大类，log K_d数值范围为0.79～8.84，跨越8个数量级。

对于本发明分析得到的三种模型(1)、(2)、(3)，其r²分别为0.87、0.90和 0.81，表明模型具有良好的拟合能力，同时预测误差与实验值之间没有依附性。模型的稳定性和预测能力通过以下两种方法来评价：

方法一、模拟外部验证：将原始数据集随机分成两个子集(分别含有70％和 30％化合物)，使用一个子集(含70％化合物)和模型筛选出的描述符重新建立模型，拟合结果r²分别为0.86、0.90和0.80，应用于另一个子集(含30％化合物) 得到的预测结果q²分别为0.89、0.91和0.84。两个子集统计学性能均与数据全集非常接近，表明三种模型均是基于K_d与描述符之间的本质相关而不是偶然相关得到的，是统计学稳定的；

方法二、去一法交叉验证：q² _CV结果分别为0.89、0.94和0.88，再次证明了模型具有良好的稳定性和预测能力。

通过Williams图对模型的应用域进行表征。以化合物描述符矩阵的h_i值作为横坐标，以标准残差(SE)为纵坐标绘制Williams图，进而确定高影响度化合物和离域点。Williams图显示，模型(1)、(2)、(3)的警戒值h*分别为0.32、0.25和0.13，其中h_i>h*的化合物在模型(1)中有3种，在模型(3)中有1种，这些化合物距离描述符矩阵中心较远，但预测效果较好，可增强模型的准确性和延展能力。所有化合物的标准残差都落在±3以内，说明模型没有离域点。综上，模型的应用域定义为：多氯联苯、氯苯、多环芳烃、抗生素、芳烃、脂肪烃、六氯环己烷以及与其结构相类似的其他化合物。

本发明提供的预测方法具有如下优点：

(1)模型的适用范围广，可用于快速预测多氯联苯、氯苯、多环芳烃、抗生素、芳烃、脂肪烃、六氯环己烷及其他结构相似化合物的K_d，以评估不同水环境介质中有机污染物在聚乙烯型微塑料(PE)表面的吸附能力，可以为此类化合物的生态风险评价提供重要的基础数据。

(2)模型所使用的分子结构描述符容易获得，回归分析简单易实现，模型的实际应用能力强；本发明提供的预测方法具有方便快捷、成本低廉、便于使用等优点。

(3)建模过程严格按照经济合作与发展组织(OECD)关于QSAR模型的构建和使用导则，所建模型均具有良好的拟合能力(r²＝0.81～0.90)、预测能力(q²＝0.84～0.91，RMSE_ext＝0.47～0.75)和稳健性(q_cv ²＝0.88～0.94)。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。在附图中：

图1为模型(1)预测K_d值与文献中K_d值的对比图；

图2为模型(2)预测K_d值与文献中K_d值的对比图；

图3为模型(3)预测K_d值与文献中K_d值的对比图；

图4为模型(1)预测误差值与K_d值的拟合图；

图5为模型(2)预测误差值与K_d值的拟合图；

图6为模型(3)预测误差值与K_d值的拟合图；

图7为表征模型(1)高影响度化合物和离域点的Williams图；

图8为表征模型(2)高影响度化合物和离域点的Williams图；

图9为表征模型(3)高影响度化合物和离域点的Williams图.

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施方式。虽然附图中显示了本公开的示例性实施方式，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

实施例1全氟辛酸(PE/海水)

本实施例对全氟辛酸在PE/海水之间的log K_d值进行预测，采用Williams图法计算得到其h_i值为0.195<h*(警戒值)＝0.32，标准残差(SE)＝0.027<3，说明该化合物在QSPR模型应用域内。采用Gaussian 09软件的DFT B3LYP/6-31G(d,p) 算法进行结构优化和频率分析，得到该化合物的ε_α和ε_β值分别为0.31和0.30。采用ACD Labs 6.0软件计算，得到化合物的log D值为4.00。

将以上描述符带入模型(1)：

log K_d＝0.725×log D-23.169×ε_β-36.236×ε_α+17.856

＝0.725×4.00-23.169×0.30-36.236×0.31+17.856

＝2.57

根据模型(1)得到全氟辛酸的log K_d预测值为2.57，文献中其log K_d值为2.70，预测值与实验值极为相符。

实施例2 2,3,3',4,4'-五氯联苯(PE/淡水)

本实施例对2,3,3',4,4'-五氯联苯在PE/淡水之间的log K_d值进行预测，采用Williams图法计算得到其h_i值为0.048<h*(警戒值)＝0.25，标准残差(SE)＝ -0.029>-3，说明此化合物在QSPR模型应用域内。采用ACD Labs 6.0软件计算，得到化合物的log D值为6.98。

将以上描述符带入模型(2)：

log K_d＝0.667×log D+1.714

＝0.667×6.98+1.714

＝6.37

根据模型(2)得到2,3,3',4,4'-五氯联苯的log K_d预测值为6.37，文献中其log K_d值为6.35，预测值与实验值极为相符。

实施例3环己烷(PE/纯水)

本实施例对环己烷在PE/纯水之间的log K_d值进行预测，采用Williams图法计算得到其h_i值为0.012<h*(警戒值)＝0.13，标准残差(SE)＝0.539<3，说明此化合物在QSPR模型应用域内。采用ACD Labs 6.0软件计算，得到化合物的log D 值为3.18。

将以上描述符带入模型(3)：

log K_d＝0.486×log D+2.420

＝0.486×3.18+2.420

＝3.97

根据模型(3)得到环己烷的log K_d预测值为3.97，文献中其log K_d值为3.88，预测值与实验值极为相符。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。