Применение анализа многомерных данных в аналитической химии: Поиск закономерностей в больших массивах данных по комплексообразованию, экстракции и другим свойствам веществ тема диссертации и автореферата по ВАК РФ 02.00.02, кандидат химических наук Зернов, Владимир Владимирович

• Зернов, Владимир Владимирович
• кандидат химических наук
• 2004

Оглавление диссертации кандидат химических наук Зернов, Владимир Владимирович

Введение 5 Часть 1. Литературный обзор

Глава 1. Теоретические подходы к описанию свойств органических растворителей

1.1. Параметры растворителей

1.1.1. Физико-химические параметры

1.1.2. Равновесные параметры

1.1.3. Спектроскопические параметры

1.1.4. Параметры, определяемые по хроматографическим данным

1.2. Классификация растворителей

1.3. Многомерный статистический анализ параметров растворителей и классификация

1.4. Методы теоретической оценки коэффициентов распределения органических веществ в системах органический растворитель-вода

Глава 2. Константы устойчивости комплексов металлов и способы их предсказания. Классификация ионов металлов.

2.1. Влияние внешних факторов на величину констант устойчивости

2.1.1. Влияние природы растворителя

2.1.2. Влияние ионной силы и ионной среды на константы устойчивости

2.1.3. Зависимость констант устойчивости от температуры и давления

2.2. Зависимость устойчивости комплексов металлов от природы комплексообразователя и реагента

2.2.1. Связь между свойствами иона металла и константами устойчивости

2.2.2. Влияние электронной конфигурации комплексообразователя и атомов реагента на устойчивость комплексов

2.2.3. Развитие теории жестких и мягких кислот и оснований

2.2.4. Корреляции и корреляционные уравнения для констант устойчивости, зависимость устойчивости комплекса от структуры реагента

2.2.5. Корреляционные уравнения для устойчивости комплексов полидентатных лигандов

2.2.6. Прочие модели предсказания констант устойчивости комплексных соединений

Глава 3. Анализ многомерных данных

3.1. Предмет анализа многомерных данных

3.2. Предварительная обработка данных

3.3. Методы идентификации выбросов

3.4. Анализ данных с пропусками

3.5. Анализ главных компонент

3.6. Кластерный анализ

3.7. Нелинейное картирование

3.8. Метод опорных векторов

Часть 2. Экспериментальная часть

Глава 4. Подготовка и предварительная обработка данных

4.1. Данные по экстракции органических веществ в несмешивающиеся с водой растворители

4.2. Данные об устойчивости комплексов металлов

4.3. Программное обеспечение

Часть 3. Результаты и обсуждение

Глава 5. Анализ экстракционных данных

5.1. Применение анализа главных компонент для изучения сходства экстракционных свойств растворителей

5.2. Кластерный анализ сходства экстракционных свойств растворителей и классификация растворителей

5.3. Наглядное представление классификации растворителей с помощью нелинейного картирования

5.4. Сравнение построенной классификации с известными

5.5. Классификация растворителей по сольватохромным параметрам

5.6. Оценка обобщенной погрешности экспериментально измеренных коэффициентов распределения

5.7. Факторы, определяющие поведение растворителей при экстракции

5.8. Классификация растворенных веществ

5.9. Экстракционные свойства ионной жидкости BMIM-PF в сравнении с другими растворителями

5.10. Использование сольватохромных параметров для предсказания коэффициентов распределения в системе ионная жидкость ВМ1М-РРб/вода

Глава 6. Анализ данных об устойчивости комплексов металлов и классификация катионов по комплексообразующей способности

6.1. Анализ статистических распределений констант устойчивости

6.2. Применение анализа главных компонент для изучения сходства поведения катионов при комплексообразовании

6.3. Кластерный анализ сходства комплексообразующих свойств катионов металлов

6.4. Наглядное представление классификации катионов с помощью нелинейного картирования

6.5. Ряды сходства поведения катионов при комплексообразовании

6.6. Анализ сходства комплексообразовательной способности отдельных катионов между собой

6.7. Оценка обобщенной погрешности экспериментально измеренных констант устойчивости

Глава 7. Классификационные модели предсказания биологической активности веществ

7.1. Построение drug-likeness модели модели потенциальной биологической активности)

7.2. Построение agro-likeness модели модели потенциальной агрохимической активности)

7.3. Предсказание активности ингибиторов карбоангидразы II

Выводы

Список используемой литературы

Введение диссертации (часть автореферата) на тему «Применение анализа многомерных данных в аналитической химии: Поиск закономерностей в больших массивах данных по комплексообразованию, экстракции и другим свойствам веществ»

Объем накопленного исследователями экспериментального материала в аналитической химии, как и в химии в целом, растет быстро, но его распределение по множеству исследованных объектов неравномерно. Это и не удивительно: направления научного поиска определяются в первую очередь практическими потребностями прикладных исследований. Кроме того, фактический материал разнесен в научно-информационном пространстве, так как он - продукт разных исследовательских групп. «Потенциальный барьер» при обобщении данных, начиная с какого-то их количества (тысяча и более «квантов» фактического знания, экспериментально измеряемых величин), определяемый временными и информационно-транспортными издержками, до недавнего времени превышал предполагаемый выигрыш от обобщения данных и возможных результатов их последующего содержательного анализа. Лишь бурное развитие информационных технологий и компьютерных сетей в последние годы дало толчок к процессам тотального обобщения фактической информации. Для научного сообщества это отразилось прежде всего в библиографическом аспекте. Традиция публикации содержательных результатов посредством сообщения в специальной литературе, с развернутыми описаниями экспериментов, не является оптимальной для накопления однородных «голых» фактов (по большей части числовых данных, в основном - о константах равновесия) - такую информацию нужно еще извлечь из многочисленных оригинальных публикаций. Компиляции подобного рода, включающие десятки и сотни фактов, изредка встречаются в обзорных работах. Рассматривающие тысячу и более - исключительно редки.

Вместе с тем нельзя не видеть, что появление и пополнение электронных баз данных -коммерческих и общедоступных, становится универсальной тенденцией научной жизни. Дальше всего эта тенденция зашла в наиболее «математизированных» разделах химии, например, в структурной химии. Так, практически все расшифровываемые структуры веществ в кристаллическом состоянии Кембриджском банке кристаллоструктурных данных (около 300000 структур); все чаще структуры депонируют в этом банке без оформления отдельной журнальной публикации. В других областях химии столь ярких примеров пока немного, однако, несомненно, что фактические экспериментальные данные в недалеком будущем повсеместно будут конвертироваться в электронный вид и накапливаться в специализированных базах данных большого и очень большого объема.

В связи с этим возникает важнейшая для любой области химии - и аналитической химии в том числе - задача поиска, разработки и применения хемометрических методов, специально ориентированных на работу с очень большими массивами данных. Очевидно, что распространенные ныне методы (оперирующие десятками-сотнями числовых данных) здесь если не непригодны, то явно недостаточны. Один пример: даже простейший, казалось бы, этап научного исследования - визуальное представление всей совокупности данных, с тем, чтобы можно было «охватить» ее взглядом, становиться совершенно нетривиальной задачей при объеме выборки в десятки тысяч значений.

Конечно, история науки показывает, что выводы общего характера можно делать и не пользуясь тысячами фактов, а имея их всего лишь сотни, а иногда и десятки. Однако соответствующие работы в интересующей нас области, например, формулировка Периодического закона или принцип жестких и мягких кислот и оснований (ЖМКО) -штучный «товар», основывающийся на глубоком понимании (граничащим с интуицией) отдельных исследователей того, какие данные рассматривать стоит, а какие нет, и как правильно посмотреть на имеющуюся факты, чтобы увидеть закономерности.

Если не автоматизировать, то облегчить задачу поиска закономерностей, «скрытых» в больших массивах данных способны методы многомерного статистического анализа и машинного обучения, противопоставляющие интуиции исследователя «грубую силу» большого объема вычислений (последние треть века выполняемых ЭВМ), сжимающих, просеивающих, сканирующих пространство признаков исследуемых объектов. Однако существуют три трудности, осложняющие применение таких методов:

1) Для них желателен существенный объем обрабатываемых данных, а если его нет, проблема их качественного предварительно отбора на вход методам опять превращается почти в искусство; иначе вступает в силу известный принцип GIGO (garbage in garbage out, по-русски - что на входе, то и выходе).

2) Применение математических методов требует глубокого знания их «ловушек» и тонких мест; незнание последних в лучшем случае может привести к неинерпретируемым или к незаметным неопытному глазу результатам, а в худшем - к результатам неверным.

3) Правильная интерпретация полученных с помощью математических методов обобщений и моделей - нетривиальная задача, для корректного решения которой необходимо понимать границы применимости методов, уметь перевести математические модели на предметный язык (методам по большому счету все равно, с какими числами работать), в вид, пригодный для практического использования.

Тем не менее, перспективы применения математических методов многомерного анализа для поиска закономерностей в больших массивах данных очевидны. Столь же очевидна необходимость поиска и тщательного тестирования соответствующего математического «инструментария», в том числе - применительно к конкретным, практически важным задачам. Этому и посвящена данная работа.

Выбор фактического материала - использовали данные об устойчивости комплексов металлов и об экстракции нейтральных органических соединений из воды в органические растворители, а так же данные о биологической активности органических веществ — обусловлен практической важностью предмета. Кроме того, в указанных случаях имеются и доступные базы, которые можно и нужно проанализировать; при этом можно надеяться, что общее количество данных достаточно для того, чтобы глобальные тенденции, определяющие общее поведение и разнообразие свойств, «заглушили» локальные тенденции и артефакты. В рамках работы мы поставили себе следующие цели:

1) с помощью методов многомерного анализа выявить закономерности, присутствующие в исследуемых массивах данных;

2) сформулировать эти закономерности в виде химически содержательных классификационных моделей, показать их полезность и применимость для решения практических задач;

3) сделать выводы о применимости в названных задачах различных хемометрических методов (методов многомерного анализа больших массивов данных)

Заключение диссертации по теме «Аналитическая химия», Зернов, Владимир Владимирович

1. С помощью многомерного статистического анализа построена эмпирическая классификация 49 растворителей, основанная на исследовании большого массива коэффициентов распределения (IgP) нейтральных органических соединений из водных растворов. Получена карта растворителей, наглядно отражающая сходство их экстракционного поведения.2. По массиву множественных измерений IgP в системе октанол/вода оценена обобщенная погрешность экспериментального определения коэффициентов распределения нейтральных органических соединений в несмешивающихся системах органический растворитель/вода. Обнаружена сильная зависимость логарифма стандартного отклонения Р от величины IgP, с помощью линейной регрессии построена функция их взаимосвязи.3. С помощью анализа главных компонент выделены и интерпретированы два фактора, в наибольшей степени ответственные за экстракционное поведение растворителей и растворенных нейтральных органических веществ. Первый фактор связан с размером молекулы растворяемого вещества. Второй - преимущественно со способностью растворителя акцептировать, а растворенного вещества - донировать протон в водородной связи.4. Обобщены известные данные по экстракции органических веществ в ионную жидкость гексафторфосфат бутилметилимидазолия (ВМ1М-РРб). Показано (в том числе с помощью классификации растворителей), что ВМ1М-РРб по своему экстракционному поведению промежуточна между классами апротонных полярных растворителей и растворителей - доноров электронной пары (протонакцепторных). Показана возможность приемлемой оценки коэффициентов распределения в экстракционной системе ионная жидкость/вода по коэффициентам распределения в этилацетат и мета-ксилол. По широкой выборке экспериментальных данных определены сольватохромные параметры ионной жидкости.5. С помощью многомерного статистического анализа построена эмпирическая классификация 36 катионов металлов по комплексообразующей способностьи, основанная на анализе большого массива экспериментальных констант устойчивости их комплексов с различными реагентами. Определены группы «родственных» катионов; построена карта катионов, наглядно отражающая сходство их поведения при комплексообразовании; построены ряды сходства катионов, дополняющие классификацию и карту при рассмотрении сходства отдельных пар катионов. Полученная классификация дополняет и корректирует схему ЖМКО Пирсона применительно к ионам металлов.6. С помощью анализа главных компонент выделено три фактора, ответственных за разнообразие поведения катионов при комплексообразовании. Первые два фактора интерпретированы как способность катиона образовывать преимущественно ионную или ковалентную связь с донорными атомами, а третий фактор - как мера, в определенной степени эквивалентная понятию «жесткость» в теории ЖМКО Пирсона.7. По массиву множественных измерений констант устойчивости (IgKi) для пар катион-реагент оценена типичная погрешность экспериментального определения IgKi при двух условиях определения констант: общих (ионная сила от О до 0.5, температура от 20 до линейной регрессии для двух этих условий построены функциональные зависимости стандартного отклонения IgKi от величины IgKi отдельно для катионов металлов и протона.8. Проверена способность метода опорных векторов (SVM) к построению прогностичных классификационных моделей (на примере предсказания биологической и агрохимической активности на выборках больших размеров, тысячи и десятки тысяч

соединений). Показано, что SVM позволяет строить более качественные, чем нейронные сети, классификационные модели предсказания таких активностей. Метод SVM применен для бинарной оценки активности (активен/неактивен) ингибиторов карбоангидразы II; получена модель, по качеству предсказания превосходящая описанную в литературе. С помощью визуального представления разделяющей поверхности модели в пространстве главных компонент оценена ее «локальность».

Список литературы диссертационного исследования кандидат химических наук Зернов, Владимир Владимирович, 2004 год

1.Райхардт К. Растворители и эффекты среды в органической химии, М: Мир, 1991, 763 стр.

2. A.R.Katritzky, D.C.Fara, H.Yang, K.Tamm, T.Tamm, M.Karelson, Quantitative Meashures of Solvent Polarity, Chem.Rev., 104, 175 (2004)

3. Hildebrand J.H., Scott R. L., The Solubility of Nonelectrolites, 3rd edition, NY: Dover, 1964

4. Barton A.F.M., Handbook of Solubility Parameters and other Cohesion Parameters, CRC Press, Boca Raton/Florida, 1983

5. Herbrandson H.F., Neufeld F.R., Organic Reactions and the Critical Energy Density of the Solvent. The Solubility Parameter, 5, as a New Solvent Parameter, J.Org.Chem., 31, 1140 (1966)

6. Gordon J.E., Transition Energies for a Merocyanine Dye in Aqueous Electrolyte Solutions. Solvent Polarity Indicator Transition Energy-Internal Pressure Relations, J.Phys.Chem,, 70, 2413 (1966)

7. Kamlet M.J., Carr P.W., Taft R.W., Abraham M.H., Linear Solvation Energy Relationships. 13. Relationship Between the Hildebrand Solubility Parameter, dH, and the Solvatochromic Parameter, p*, J.Am.Chem.Soc., 103, 6062 (1981)

8. Gutmann V., Coordination chemistry of certain transition-metal ions. The role of the solvent, Coord.Chem.Rev., 2, 239 (1967)

9. Gutmann V., Solvent effects on the reactivities of organometallic compounds, Coord.Chem.Rev., 18, 225 (1976)

10. Greenberg M.S., Bodner R.L., Popov A.I., Spectroscopic studies of ionic solvation. XIV. Sodium-23 nuclear magnetic resonance and electrical conductance study of contact ion pairs in nonaqueous solvents, J.Phys.Chem., 77, 2449 (1973)

11. Day M.C., Medley J.H., Ahmad N., Donor numbers: Aluminium-27 quadrupole relaxation as a meashure of solvent donicity towards sodium ion, Can.J.Chem., 61, 1719 (1983)

12. Hahn S., Miller W.M., Lichtenhalter R.N., Prausnitz J.M., Donor number estimation for oxygen-and nitrogen-containing solvents via proton NMR shift of chloroform, J.Sol.Chem., 14, 129 (1985)

13. Markus Y., The effectivity of solvents as electron-pair donors, J.Sol.Chem., 13, 599 (1984)

14. Munakata M., Kitagava S., Myazima M., Classification of Solvents Based on Their Coordination Power to Nickel (II) Ion. A New Measure for Solvent Donor Ability, Inorg. Chem., 24, 1638 (1985)

15. Leo A., Hansch C., Elkins D„ Partition Coefficients and Their Uses, Chem.Rev., 71, 525 (1971)

16. Шмидт B.C., Межов Э.А., Новикова С.С., Шкала для расчета влияния природы разбавителей на экстракцию, Радиохимия, 9(6), 700 (1967)

17. Шмидт B.C., Межов Э.А., О некторых закономерностях влияния природы рабавителя на экстракцию кислот аминами и их солями при извлечении по реакциям присоединения, нейтрализации и ионного обмена, Радиохимия, 12(1), 38 (1970)

18. Шмидт B.C., Смелов B.C., Рыбаков К.А., Кондратьев Б.А., О влиянии параметров разбавителя BP и BP* на равновесие экстракции для различных типов экстракционных систем, Радиохимия, 25(2), 191 (1983)

19. Шмидт B.C., Хананашвили H.JL, Межов Э.А., О сравнении эмпирических шкал полярности растворителей и физическом смысле параметров BP*, 29(4), 519 (1987)

20. Markus Y., Linear Solvation Energy Relationship. A Scale Describing the "Softness" of Solvents, J.Phys.Chem., 91, 4422 (1987)

21. Kosower E.M., The Effect of Solvent on Spectra. I. A New Empirical Measure of Solvent Polarity: Z-Values, J.Am.Chem.Soc., 80, 3253 (1958)

22. Brooker L.G.S., Keyes G.H., Heseltine D.W., Color and Constitution. XI.1 Anhydronium Bases of/7-Hydroxystyryl Dyes as Solvent Polarity Indicators, J.Am.Chem.Soc., 73, 5350 (1951)

23. Griffiths T.R., Pugh D.C., Solvent polarity studies: Part I. New Z values and relationship with other solvent polarity scales, J.Sol.Chem., 8, 247 (1979)

24. Griffiths T.R., Correlations among solvent polarity scales, dielectric constant and dipole moment, and a means to reliable predictions of polarity scale values from cu, Coord. Chem. Rev., 29, 129(1979)

25. Ray A., Effects of temperature and solvent polarity on the interionic charge-transfer interactions in alkylpyridinium bromide, J.Am.Chem.Soc., 93, 7146 (1971)

26. Tamura K. Imoto Т., Effects of pressure on the solvent polarity parameter Et value, Chem. Lett. (Tokyo), 1251 (1973)

27. Dimroth K., Reichardt C., Schweig A., Uber die Thermochromie von Pyridinium-N-phenol-betainen, Liebigs Ann. Chem., 669, 95 (1963)

28. Татига K., Imoto Т., Solvent effects under high pressure. II. Determination and applications to kinetic studies of the Et parameter value at high pressures, Bull. Chem. Soc. Japan, 48, 369 (1975)

29. Kamlet M.J., Taft R.W., The solvatochromic comparison method. I. The .beta.-scale of solvent hydrogen-bond acceptor (HBA) basicities, J.Am.Chem.Soc., 98, 377 (1976)

30. Kamlet M.J., Taft R.W., The solvatochromic comparison method. 2. The .alpha.-scale of solvent hydrogen-bond donor (HBD) acidities, J.Am.Chem.Soc., 98, 2886 (1976)

31. Kamlet M.J., Abboud J.L., Taft R.W., The solvatochromic comparison method. 6. The .pi.* scale of solvent polarities, J.Am.Chem.Soc., 99, 6027 (1977)

32. Kamlet M.J., Abboud J.L., Taft R.W., Regarding a generalized scale of solvent polarities, J.Am.Chem.Soc., 99, 8325 (1977)

33. Nicolet P., Laurence C., Lucon M., Polarity and Basicity of Solvents. Part I. A Thermosolvatochromic Comparison Method, J. Chem. Soc. Perkin Trans. II, 1071 (1986)

34. Bentley T.W., Carter G.E., The SN2-SN1 spectrum. 4. The SN2 (intermediate) mechanism for solvolyses of tert-butyl chloride: a revised Y scale of solvent ionizing power based on solvolyses of 1-adamantyl chloride, J.Am.Chem.Soc., 104, 5741 (1982)

35. Brooker L.G.S., Craig A.C., Heseltine D.W., Jenkins P.W., Lincoln L.L., Color and Constitution. XIII. Merocyanines as Solvent Property Indicators, J.Am.Chem.Soc., 87, 2443 (1965)

36. Parker A.J., Mayer U., Schmid R., Gutmann V., Correlation of solvent effects on rates of solvolysis and SN2 reactions, J.Org.Chem., 43, 1843 (1978)

37. Brownlee R.T.C., Dayal S.K., Lyle J.L., Taft R.W., Aprotic solvent effects on the fluorine nuclear magnetic resonance shifts of p-substituted fluorobenzenes, J.Am.Chem.Soc., 94, 7208 (1972)

38. Баженов Д.В., Гришин Ю.К., Устынюк Ю.А., Влияние сольватации на параметры ЯМР и структуру ртутьорганических соединений в растворах. Новая мультипараметровая шкала растврителей, полученная с помощью факторного анализа, Металлорг.Химия, 5(2), 297 (1992)

39. Гришин Ю.К., Лещёва И.Ф., Воеводская Т.И., Влияние растворителя на параметры ЯМР тетраметилолова, Вестник Моск. ун-та. Сер.2, Химия, 37, 387 (1996)

40. Гришин Ю.К., Лещёва И.Ф., Воеводская Т.И., Многомерный подход к классификации растворителей, Вестник Моск. ун-та. Сер.2, Химия, 38, 65 (1997)

41. E. Kovats, Zusammenhange zwischen strucktur und gaschromatographischen daten organischer verbindungen. FreseniusZ. Anal. Chem.,181, 351 (1961)

42. Rohrschneider L., Eine methode zur charakterisierung von gas-chromatographischen trennflussigkeiten : II. Die berechnung von retentionsverhaltnissen , J.Chromatogr., 39, 383 (1969)

43. L.R.Snyder, Classification of the solvent properties of common liquids, J.Chromatogr., 92, 223 (1974)

44. A.Juan, G.Fondorona, E.Casassas, Solvent classification based on solvatochromic parameters: a comparison with the Snyder approach, Tr.Anal.Chem., 16(1), 52 (1997)

45. Parker A.J., The effects of solvation on the properties of anions in dipolar aprotic solvents, Quart. Rev., 16, 163(1962)

46. Parker A.J., Protic-dipolar aprotic solvent effects on rates of bimolecular reactions, Chem. Rev., 69(1), 1 (1969)

47. Mashima M., Mclver R.T., Tafit R.W., Bordwell F.G., Olmstead W.N., Enhanced Substituent Solvation Assisted Resonance Effects in Dipolar Non-Hydrogen-Bond-Donor Solvents, J.Am.Chem.Soc., 106, 2717(1984)

48. Ewell R.H., Harrison J.M., Berg L., Azeotropic Distillation, Ind.Eng.Chem., 36(10), 871 (1944)

49. Я.И.Коренман, Экстракция фенолов, Горький: Волго-вятское изд-во, 1973

50. M.Bohole, W.Kollecker, D.Martin, Anwendung der Faktoranalyse in der organischen Chemie, Z.Chem., 17, 161 (1977)

51. R.Carlson, T.Lundstedt, C.Albano, Screening of Suitable Solvents in Organic Synthesis. Strategies for Solvent Selection, Acta Chem. Scand., B39 (1985) 79

52. P.Svoboda, O.Pytela, M.Vecera, Solvent effects classification of parameters describing influence of solvents, Collect.Czech.Chem.Comun. 48, 3287 (1983)

53. Pytela, Empirical approach to description of solvent effect on processes in solutions: a review, Collect.Czech.Chem.Comun. 53, 1333 (1988)

54. PyteIa, Additive-multiplicative description of extrathermodynamic relations: application to solvent effect, CollectCzech.Chem.Comun. 55, 634 (1990)

55. Pytela, A New Classification of solvents based on chemometric empirical scale of parameters, CollectCzech.Chem.Comun., 55 (3), 644 (1990)

56. M.Chastrette, M.Rajzmann, M.Chanon, K.F.Purcell, Approach to a General Classification of Solvents Using a Multivariate Statistical Treatment of Quantitative Solvent Parameters, J.Am.Chem.Soc., 107(1), 1,(1985)

57. Hoffmann R., An Extended Htickel Theory. I. Hydrocarbons, J.Chem.Phys. 39, 1397 (1963)

58. P.Gramatica, N.Navas, R.Todeschini, Classification of organic solvents and modelling of their physico-chemical properties by chemometrics methods using different sets of molecular descriptors, Tr.Anal.Chem., 18(7), 461 (1999)

59. M.H.Abraham, J.C.MacGowan, The Use of Charactersitic Volumes to Measure Cavity Terms in Reversed Phase Liquid Chromatography, Chromatographia, 23(4), 243 (1987)

60. P.Meyer, G.Maurer, Correlation of Partition Coefficients of Organic Solutes between Water and an Organic Solvents. An Application of the Linear Solvation Energy Relationship, Ind.Eng.Chem.Res., 32, 2105 (1993)

61. Abraham M.H., Zissimos A.M., Acree W.A., Partition of solutes into wet and diy ethers; an LFER analysis, New J.Chem, 27, 1041 (2003)

62. S.Carda-Broch, A.Berthold, D.W.Armstrong, Solvent properties of the l-butyl-3-methylimidazolium hexafluorophosphate ionic liquid, Anal.Bioanal.Chem., 375, 191 (2003)

63. Y.Markus, Linear Solvation Energy Relationship. Correlation and Prediction of the Distribution of Organic Solutes between Water and Immiscible Organic Solvents, J.Phys.Chem., 95, 88861991)

64. Y.Markus, Correlation of the distribution of organic solutes between water and "wet" organic solvents with the properties of the solutes and the solvents, Solv. Ext. Ion Exchange, 10(3), 5271992)

65. А.В.Никулина, Я.И. Коренман, Прогнозирование коэффициентов концентрирования фенолов на основе их строения и полярности экстрагентов, Сборник материалов форума «Аналитика и аналитики», 2-6 июня 2003 г, Воронеж.

66. R.A.Sounders, J.A.Platts, Scaled polar surface area descriptors: development and application to three sets of partition coefficients, New J.Chem., 28, 166 (2004)

67. Dunn W.J., Koehler M.G., Grigoras S., The Role of Solvent-Accessible surface area in Determining Partition Coefficients, J.Med.Chem., 30, 1121 (1987)

68. Haeberlein M., Brinck Т., Prediction of water-octanol partition coefficients using theoretical descriptors derived from the molecular surface area and the electrostatic potential, J. Chem. Soc. Perkin Trans., 2, 289 (1997)

69. Fujita Т., Iwasa I., Hanch C., A new substitutient constant 7C, derived from partition coefficients, J.Am.Chem.Soc., 86(23), 5175 (1964)

70. Wolfenden R„ Waterlogged Molecules, Science, 222, 1087 (1983)

71. Broto P., Moreau G., Vandycke C., Molecular Structures: Perception, Autocorrelation Descriptor and SAR Studies. System of Atomic Contributions For the Calculation of the n-Octanol/Water Partition Coefficients, Eur.J.Med.Chem., 19, 71 (1984)

72. Ghose A., Crippen G., Atomic physicochemical parameters for 3-dimensional structure-directed quantitative structure-activity relationships. I. Partition coefficients as a measure of hydrophobicity, J. Comput. Chem., 7, 565 (1986)

73. S.A.Wildmann, G.M.Crippen, Prediction of Physicochemical Parameters by Atomic Contributions, J.Chem.Inf.Comp.Sci., 39, 868 (1999)

74. Buchwald P., Bodor N., Octanol-Water Partitition: Searching for Predictive Models, Current Med.Chem., 5, 353 (1998)

75. Mannhold R., Petrauskas A., Substructure versus Whole-molecule Approaches for Calculating LogP, QSAR Comb.Sci., 22, 466 (2003)

76. Бек M., Химия равновесий реакций комплексообразования, М: Мир, 1973

77. Сох B.G., Hedwig G.R., Parker A.J., Watts D.W., Solvation of ions XIX. Thermodynamic properties for transfer of single ions between protic and dipolar aprotic solvents, Aust. J. Chem., 27, 477(1974)

78. Химия экстракции, сб. статей под ред. Михайлова А.В., Новосибирск: Наука, 1984, 250 стр.

79. Ahrland S., Complex formation in protonic and proton-free media, Kemiai Kozlemenyek, 53, 41 (1980)

80. Инцеди Я., Применение комплексов в аналитической химии, М: Мир, 1979, 370 стр.

81. Gergely A., Nagypal I., Farkas Е., Dependence of the ionic strength of the stability constants of the parent and mixed complexes of copper(II) with some amino acids, Magyar Kemiai Folyoirat, 80, 25 (1974)

82. Бек M., Надьпал И., Исследование комплексообразования новейшими методами, М: Мир, 1989,413 стр.

83. Pignolett L.H., Horrocks W.D.W., Holm R.H., Thermodynamics and kinetics of the planar-tetrahedral interconversion of dihalobis(diarylmethylphosphine)nickel(II) complexes, J.Am.Chem.Soc., 92, 1855 (1970)

84. Kannan T.S., Chakravorty A., Syntheses and solution equilibriums of some nickel(II) chelates, Inorg. Chem., 9, 1153 (1970)

85. Rusnak L., Jordan R.B., Diamagnetic-paramagnetic equilibrium of two nickel(II)-Schiff base complexes in several coordinating solvents, Inorg.Chem., 10, 2199 (1971)

86. Nowlin Т., Cohn K., Equilibrium involving bis- and trisfluorophosphine complexes of cobalt(II) halides, Inorg.Chem., 11, 560 (1972)

87. Graybill G.R., Wrathal J.W., Ihring J.L., Magnetic titration. Nickel(II) complexes of C-substituted ethylenediamines, Inorg.Chem., 11, 722 (1972)

88. Hefter G., Simple electrostatic correlations of fluoride complexes in aqueous solution, Coord. Chem.Rev., 12, 221 (1974)

89. Van Pantaleon van Eck C.L., The relation between the stability of metal complexes in solution and the ionization potential of their metal component, Rec.Trav.Chim., 72, 50 (1953)

90. Nieboer E., McBryde W.A.E., Free-Energy Relationships in Coordination Chemistry. III. A comprehensive Index to Complex Stability, Can.J.Chem., 51, 2512 (1973)

91. Allred A.L., Electronegativity values from thermochemical data, J.Inorg.Nucl.Chem., 17, 215 (1961)

92. J.C.Slater., Atomic Shielding Constants, Phys.Rev., 36, 57 (1930)103.1rving H., Williams RJ.P., The stability of transition metal complexes, J.Chem.Soc., 31921953)

93. Bjerrum J. Jorgensen C.K., Crystal field stabilization and tendency towards complex formation of first transition group elements, Rev.Trav.Chim., 75, 658 (1956)

94. Cannon R.D., Stabilities of chromium(II) complexes, J. Inorg.Nucl.Chem., 38, 1222 (1976)

95. Nicskey K., Debreczeni F., Nagypal I., Equilibria in Aqueous Solution of Some Chromium(2+) complexes, J.Chem.Soc.Dalton, 1335 (1983)

96. SidwickN.V., Complex formation: 8-th Liverside lecture, J.Chem.Soc., 433 (1941)

97. Ahrland S., Larson R., Complexity of uranyl chloride, bromide and thiocyanate, Acta Chem.Scand., 8, 354 (1954)

98. Carleson B.G.F., Irving H., The Stability Constants of Indium Halides, J.Chem.soc., 43901954)

99. Ahrland S., Chatt J., Davies N.R., The Relative Affinities of Ligand Atoms for Acceptor Molecules and Ions, Quart. Rev., 12, 265 (1958)

100. Pearson R.G., Hard and Soft Acids and Bases, J.Am.Chem.Soc., 85, 3533 (1963)

101. Pearson R.G., Hard and Soft Acids and Bases, HSAB: Part I, Fundamental Principles, J.Chem.Ed., 45, 581 (1968)

102. Pearson R.G., Hard and Soft Acids and Bases, HSAB: Part II, Underlying Theories, J.Chem.Ed., 45, 643 (1968)

103. Ahrland S., The Relative Affinities of Ligand Atoms for Acceptor Molecules and Ions: a long story revisited, Coord.Chem.Rev., 154, 13 (1996)

104. Misono M., Ochiai E., Saito Y., Yoneda Y., A new dual parameter scale for the strength of lewis acids and bases with the evaluation of their softness, J.Inorg.Nucl.Chem., 29, 2685 (1967)

105. Drago R.S., Wayland B.B., A Double-Scale Equation for Correlating Enthalpies of Lewis Acid-Base Interactions, J.Am.Chem.Soc., 87, 3571 (1965)

106. Drago R.S., Vogel G.C., Needham Т.Е., Four-parameter equation for predicting enthalpies of adduct formation, J.Am.Chem.Soc., 93, 6014 (1971)

107. Drago R.S., Kroger M.K., Quantitative prediction and analysis of enthalpies for the interaction of gas-phase ion-ion, gas-phase ion-molecule, and molecule-molecule Lewis acid-base system, J.Am.Chem.Soc., 103, 3250 (1981)

108. Hancock R.D., Marsicano F., Parametric correlation of formation constants in aqueous solution.

109. Ligands with small donor atoms, Inorg.Chem., 17, 560 (1978)

110. Hancock R.D., Marsicano F., Parametric correlation of formation constants in aqueous solution.

111. Ligands with large donor atoms, Inorg.Chem., 19, 2709 (1980)

112. Pearson R.G., Acids and Bases, Science, 172, 151 (1966)

113. Pearson R.G., Hard and Soft Acids and Bases, Chem.Br., 103, 3 (1967)

114. Ahrland S., Scales of softness for acceptors and donors, Chem.Phys.Letters, 2, 303, 1968

115. Martell A.E., Motekaits R.J., Smith R.M., Structure-stability relationships of metal complexes and metal speciation in environmental aqueous solutions, Envirom.Toxicol.Chem., 7, 417, 1988

116. Pearson R.G., The HSAB Principle — more quantitative aspects, Inorg.Chem.Acta., 240, 93 (1995)

117. Parr R.G. Pearson R.G., Absolute hardness: companion parameter to absolute electronegativity, J.Am.Chem.Soc., 105, 7512 (1983)

118. Pearson R.G., The Principle of Maximum Hardness, Acc.Chem.Res., 26, 250 (1993)

119. Pearson R.G., Principle of Maximum Physical Hardness, J.Phys.Chem., 98, 1989 (1994)

120. Parr R.G., LeeH., Chattaraj P.K., Principle of maximum hardness, J.Am.Chem.Soc., 113, 1854 (1991)

121. Chattaraj P.K., Schleyer P.R, An ab initio study resulting in a greater understanding of the HSAB principle, J.Am.Chem.Soc., 116, 1067 (1994)

122. Garmer D.R., Gresh N., A Comprehensive Energy Component Analysis of the Interaction of Hard and Soft Dications with Biological Ligands, J.Am.Chem.Soc., 116, 3556 (1994)

123. Кумок B.H., Закономерности в устойчивости координационных соединений в растворах, Томск: Изд-во ТГУ, 1977, 230 стр.

124. Чудинов, Э.Г., Швецов И.К., Изучение комплексообразующей способности Np(V) Радиохимия, 7, 188 (1965)134.1rving Н., Rossotti H.S., Relations among the stabilities of metal complexes, Acta Chem.Scand., 10, 72(1956)

125. Кумок B.H., Корреляции в устойчивости комплексных соединений, ЖНХ, 11, ЗОЮ (1967)

126. Винокуров Е.Г., Бондарь В.В., Прогнозирование констант устойчивости комплексов хрома(Ш) и хрома(П), Коорд. Химия, 29 (1), 71 (2003)

127. Nieboer Е., McBryde W.A.E., Free-Energy Relationships in Coordination Chemistry. II. Requirements for linear relationships, Can.J.Chem., 48, 2565 (1970)

128. Nieboer E., McBryde W.A.E., Free-Energy Relationships in Coordination Chemistry. I. Linear Relationships among equilibrium constants, Can.J.Chem., 48, 2549 (1970)

129. E.Larrson, Die Dissoziationskonstanten von Aminium und Silberdiaminionen und ein Zusammenhang zwischen ihnen, Z.Physik.Chem (Leipzig), A169, 207 (1934)

130. Sigel H., Ternary complexes in solution—XIX Relation between ligand basicity and complex stability. A method for the estimation of stability constants, J.Inorg.Nucl.Chem., 37, 507 (1975)

131. Dimmok P.W., Warwick P., Robbins R.A., Approaches to Predicting Stability Constants, Analyst, 120,2159(1995)

132. Jahagirdar D.V., Potentiometric studies of Fe(lII) complexes of some substituted salicylic acids, J.Inorg.Nucl.Chem., 36, 2388 (1974)

133. Hancock R.D., Martell A.E. Ligand Design for selective Complexation of Metal Ions in Aqueous Solution, Chem.Rev., 89, 1875 (1989)

134. Яцимирский К.Б., Хелатный, полихелатный, макроциклический и криптатный эффекты, Журнал РХО им. Менделеева, XL(4-5), 7 (1996)

135. Раевский О.А., Сапегин A.M., Чистяков В.В., Соловьев В.П., Зефиров Н.С., Формирование моделей взаимосвязи структура комплексообразующая способность, Коорд.Хим., 18,212(1992)

136. Grgas В., Nikolic S., Paulic N., Raos N., Estimation of Stability Constants of Copper(II) Chelates with N-alkylated Amino Acids using Topological Indices, Croat.Chem.Acta, 72(4), 885 (1999)

137. Nikolic S., Raos N., Estimation of Stability Constants of Mixed Amino Acid Complexes with Copper(II) from Topological Indices, Croat.Chem.Acta, 74(3), 621 (2001)

138. Raos N., Suitability of the Topological Index W1/3 for estimation of the Stability Constants of Coordination Compounds, Croat.Chem.Acta, 75(1), 117 (2002)

139. Торопов А. А., Торопова А.П., Оптимизация корреляционных весов локальных инвариантов графа: использование для QSPR моделирования энтальпий образования комплексных соединений, Коорд.Хим., 24(2), 89 (1998)

140. Торопов А.А., Торопова А.П., QSPR-моделирование констант устойчивости на основе графа атомных орбиталей, Коорд.Хим., 26(6), 423 (2000)

141. Торопов А.А., Торопова А.П., QSPR-моделирование констант устойчивости комплексов биометаллов с фосфат-производными аденозина, Коорд.Хим., 26(11), 842 (2000)

142. Торопов А. А., Торопова А.П., QSPR-моделирование устойчивости комплексов посредством оптимизации корреляционных весов индекса водородной связи и локальных инвариантов графа, Коорд. Хим., 28(12), 938 (2002)

143. Gakh А.А., Sumpter B.G., Noid D.W., Sachleben R.A., Moyer B.A., Prediction of Complexation Properties of Crown Ethers Using Computational Neural Networks, Journal of Inclusion Phenomena and Molecular Recognition in Chemistry, 27, 201 (1997)

144. Adam K.R., Baldwin D.S., Lindoy L.F., Meehan G.V., Vasilescu I.M., Wei G., Metal-ion recognition. Modeling the stability constants of some mixed-donor macrocyclic metal ion complexes a simple model, Inorg.Chim.Acta, 352, 46 (2003)

145. Qi Y., Zhang Q., Xu L., Correlation Analysis of the Structures and Stability Constants of Gadolinium(III) Complexes, J.Chem.Inf.Comp.Sci., 42, 1471 (2002)

146. Тьюки Д., Анализ результатов наблюдений, М: Мир, 1981, 693 стр.

147. Дёрффель К., Статистика в аналитической химии, М: Мир, 1994, 268 стр.

148. Большев JI.H., Смирнов Н.В., Таблицы математической статистики, М: Наука, 1965

149. Р.Литтл, Д.Рубин, Статистический анализ данных с пропусками, М: Финансы и Статистика, 1990, 336 стр.

150. C.Lucas, Computing Nearest Covariance and Correlation Matrices, MSc dissertation: http://www.ma.man.ac.uk/~clucas/niscthesis.ps.gz

151. B.Walczak and D.L.Massart, Dealing with missing data: Part 2, Chemom.lntell.Lab.Syst., 58, 29(2001)

152. B.Walczak and D.L.Massart, Dealing with missing data: Part I, Chemom.lntell.Lab.Syst., 58, 15 (2001)

153. D.B.Rubin, Multiple Imputation for Nonresponse in Survey, Whiley, New-York, 1987

154. Иберла К., Факторный анализ. М.: Статистика, 1980. 398 стр.

155. Айвазян С.А., Енюков И.С., Мешалкин Л.Д., Прикладная статистика: классификация и снижение размерности, М: Финансы и Статистика, 1989, 607 стр.

156. Дубров A.M., Мхитарян B.C., Трошин Л.И., Многомерные статистические методы, М: Финансы и Статистика, 1998, 352 стр.

157. G.Mahe, Calculating the Principal Components, The NIPALS Algorithm: http://www.mathworks.eom/matlabcentral/files/5035/nipals2.m

158. Д.Голуб, Ч.Ван Лоун, Матричные вычисления, М: Мир, 1999, 548 стр.

159. LAPACK ~ Linear Algebra PACKage, http://www.netlib.org/lapack/

160. Matlab software, The Mathworks Inc. http://www.mathworks.com/

161. E.R.Malinowski, Factor analysis in chemistry, John Wiley, New York, 2002

162. PCR tutorial, Department of Pharmaceutical and Biomedical Analysis: http://minf.vub.ac.be/~fabi/

163. N.M.Faber, Modification of Malinowski's F-test for pseudo rank estimation revisited, Computers & Chemistry 23, 565-570 (1999)

164. K.Faber, B.Kowalski, Critical evaluation of two F-tests for selecting the number of factors in abstract factor analysis, Analytica Chimica Acta, 337, 57 (1997)

165. Cluster Analysis, in Electronic Statistics Textbook, Statsoft Inc.: http://www.statsoft.com/textbook/stathome.html

166. J.W.Sammon Jr., A nonlinear mapping for data structure analysis, IEEE Transactions on Computers, C-18: 401-409, 1969.

167. V.Vapnik, The Nature of Statistical Learning Theory, Springer, New York, 1995.

168. K.P.Bennett, C.Campbell, Support Vector Machines: Hype or Hallelujah?, SIGKDD Explorations, 2(2), 1, 2000.

169. Коренман Я.И. Коэффициенты распределения органических соединений: Справочник. Воронеж: Изд-во Воронеж, гос.ун-та, 1992.

170. J.G.Huddleston, A.E.Visser, W.M.Reichert, H.D.Willauer, G.A.Broker, R.D.Rogers, Characterization and comparision of hydrophilic and hydrophobic room temperature ionic liquids incorporating the imidazolium cation, Green Chem., 3, 156 (2001)

171. The IUPAC Stability Constants Database, Academic Software, UK: http://www.acadsoft.co.uk/193.http://www.ma.man.ac.uk/~clucas/download.html 194.Statistica software package, Statsoft Inc.: http://www.statsoft.com/

172. ChemoSoft, Chemical Diversity Labs, Inc.: http://www.chemosoft.com/196.www.pvthon.org

173. I.V.Pletnev, V.V.Zernov, Classification of metal ions according to their complexing properties: a data driven approach, Anal.Chim.Acta, 455, 131 (2002)

174. M.H.Abraahm, Scales of Solute Hydrogen-Bonding: Their Construction and Application to Physicochemical and Biochemical Processes, Chem.Soc.Rev., 73 (1993)

175. Ensemble database of pharmaceutical compounds, Prous Science, 2003. http://www.prous.com/

176. Chemical Diversity Labs, Inc. 2003. http://www.chemosoft.com/

177. Raevsky, O.; Trepalin, S.; Trepalina, H.; Gerasimenko, V.; Raevskaya, O. SLIPPER-2001 -Software for Predicting Molecular Properties on the Basis of Physicochemical Descriptors and Structural Similarity, J. Chem. Inf. Comput. Sci., 42, 540 (2002)

178. Accelrys, Inc. 2000. URL: http://www.accelrys.com/

179. Sadowski, J. Optimization of the drug-likeness of chemical libraries, Perspect. Drug Discovery Des., 20, 17 (2000)

180. Lipinsky, C.; Lombardo, F.; Dominy В.; Feeney, P. Experimental and computational approaches to estimate solubility and permeability in drug discovery and development settings, Adv. Drug Delivery Rev., 23, 3 (1997)

181. Gao, H.; Bajorah, J. Comparision of binary and 2D QSAR analyses using inhibitors of human carbonic anhydrase II as a test case, Mol.Diversity, 4, 115 (1999)