商品化合物數(shù)據(jù)庫

續(xù)冉，趙月紅*，韓清珍，溫浩

1. 中國科學(xué)院過程工程研究所，環(huán)境技術(shù)與工程研究部，多相復(fù)雜系統(tǒng)國家重點實驗室，北京 100190

2. 中國科學(xué)院大學(xué)，北京 100049

數(shù)據(jù)庫（集）基本信息簡介

數(shù)據(jù)庫（集）名稱 商品化合物數(shù)據(jù)庫 數(shù)據(jù)作者 續(xù)冉、趙月紅、韓清珍、溫浩 數(shù)據(jù)通信作者 趙月紅（yhzhao@ipe.ac.cn） 數(shù)據(jù)時間范圍 2017–2019年 數(shù)據(jù)量 74 KB 數(shù)據(jù)格式 *.xls 數(shù)據(jù)服務(wù)系統(tǒng)網(wǎng)址 http://www.sciencedb.cn/dataSet/handle/914（89個樣例數(shù)據(jù)集） 基金項目 國家科技基礎(chǔ)條件平臺項目（DKA2017-12-02-05）；“十三五”院信息化專項（XXH1350303-103）。 數(shù)據(jù)庫（集）組成 中國、美國、歐盟現(xiàn)有化學(xué)物質(zhì)名錄中的34 177種化合物，包含標(biāo)識信息（CAS登錄號、中英文名稱、所屬名錄、化學(xué)式、摩爾質(zhì)量、SMILES碼）、理化性質(zhì)數(shù)據(jù)（熔點Tm、正常沸點Tb、蒸汽壓P、密度ρ、表面張力σ、黏度η）和萃取性能（分配系數(shù)mij、選擇性βij、溶解能力SPij、溶劑損失SLi）。

引 言

目前許多國家和地區(qū)都編制了本國的化學(xué)物質(zhì)管理法規(guī)，要求對生產(chǎn)、加工、銷售、使用或從國外進口的化學(xué)物質(zhì)進行注冊/通報。我國自2003 年開始建立并執(zhí)行新化學(xué)物質(zhì)登記制度[1-2]，根據(jù)是否列入目錄，將化學(xué)物質(zhì)分為現(xiàn)有化學(xué)物質(zhì)和新化學(xué)物質(zhì)?，F(xiàn)有化學(xué)物質(zhì)的安全、環(huán)境和健康風(fēng)險已知，通過有效的技術(shù)手段和監(jiān)管措施可防范可能出現(xiàn)的危害，且可根據(jù)CAS 登錄號獲得化合物的化學(xué)物質(zhì)安全技術(shù)說明書（Material safety data sheet，MSDS），可為安全生產(chǎn)/儲存/運輸/使用/處置、泄露應(yīng)急處理、勞動保護和救護措施等提供指導(dǎo)。

為了便于利用名錄中的化合物，中國科學(xué)院過程工程研究所基于中國、美國和歐盟的現(xiàn)有化學(xué)物質(zhì)名錄，建立了商品化合物數(shù)據(jù)庫（Existing Commercial Compounds Database，ECCD）。ECCD 中除了包含名錄中化合物的基本信息外，還根據(jù)CAS 登錄號添加了表征化合物結(jié)構(gòu)信息的mol 文件。由于缺乏實驗數(shù)據(jù)，無法滿足化合物篩選數(shù)據(jù)一致性和完備性的要求，我們利用化合物分子結(jié)構(gòu)信息，采用基團貢獻法和基團匹配工具CACTVS 開發(fā)了化合物物性估算程序，進行物性估算，用于擴充化合物的物性信息，包括熔點、正常沸點、密度、黏度等，作為功能化合物篩選的基礎(chǔ)數(shù)據(jù)集。對于有特定功能需求的化合物篩選，可以在基礎(chǔ)數(shù)據(jù)集的基礎(chǔ)上，增加專題功能數(shù)據(jù)。如，為了滿足萃取劑篩選的需求，實現(xiàn)煤化工廢水中多種污染物的萃取，我們在ECCD 庫中補充了針對廢水中12種典型污染物的萃取性能數(shù)據(jù)，并進一步開發(fā)了基于多物性聯(lián)合檢索的高通量篩選方法。由于ECCD中化合物環(huán)境健康風(fēng)險已知，有可能進一步發(fā)現(xiàn)“老”化合物的“新”功能，有利于提高功能化合物開發(fā)效率，降低經(jīng)濟和時間成本。

1 數(shù)據(jù)采集和處理方法

1.1 數(shù)據(jù)源

目前，世界主要國家和地區(qū)的化學(xué)物質(zhì)名錄有：中國現(xiàn)有化學(xué)物質(zhì)名錄（Inventory of existing chemical substances，IECSC）、美國有毒物質(zhì)控制名錄（The toxic substances control act，TSCA）、歐洲現(xiàn)有商業(yè)化學(xué)物質(zhì)名錄（European inventory of existing commercial chemical substances，EINECS）、菲律賓化學(xué)品和化學(xué)物質(zhì)名錄（Philippine inventory of chemicals and chemical substances，PICCS）、韓國現(xiàn)有化學(xué)物質(zhì)清單（Korea existing chemical list，KECI）、加拿大國內(nèi)物質(zhì)清單（Domestic substances list，DSL）、日本現(xiàn)有和新化學(xué)物質(zhì)（Existing and new chemical substances，ENCS）、澳大利亞化學(xué)物質(zhì)名錄（Australia inventory of chemical substances，AICS）等[3-4]。

收錄化合物數(shù)量最多的6 個名錄中化合物的分布如圖1 所示，其中文恩圖由Tbtools[5]繪制?？梢钥闯鰵W洲現(xiàn)有商業(yè)化學(xué)品名錄（EINECS）[6]、美國有毒物質(zhì)控制名錄（TSCA）[7]和中國現(xiàn)有化學(xué)物質(zhì)名錄（IECSC）[8-9]基本可以包含世界化學(xué)品名錄中的大部分化合物。因此，本文以這三個名錄為基礎(chǔ)建立ECCD 數(shù)據(jù)庫。

圖1 世界化學(xué)品名錄中化合物的數(shù)量分布圖

3 個名錄中化學(xué)物質(zhì)的數(shù)量如表1 所示，總共有10 萬多種化學(xué)物質(zhì)。名錄中的化學(xué)物質(zhì)一般包含CAS 號、流水號、物質(zhì)名稱和化學(xué)分子式等基本信息。為了擴充數(shù)據(jù)庫信息，以支持功能化合物篩選，我們以CAS 號為依據(jù)從中國科學(xué)院上海有機化學(xué)研究所獲取了化合物的mol 文件。排除重復(fù)的化合物后，ECCD 中共有34 177 種含分子結(jié)構(gòu)信息的化合物。

表1 3 個名錄中的化合物情況

1.2 物性數(shù)據(jù)的計算

為了擴展數(shù)據(jù)庫的應(yīng)用范圍，ECCD 添加了化合物的物性數(shù)據(jù)，包括摩爾質(zhì)量M、熔點Tm、正常沸點Tb、蒸汽壓P、密度ρ、表面張力σ 和粘度η 等。由于實驗數(shù)據(jù)完備性不足，ECCD 中的物性數(shù)據(jù)采用基團貢獻法進行估算。現(xiàn)有物性計算方法中，基團貢獻法具有適用范圍廣、計算簡單、估算精度誤差范圍可接受等優(yōu)點。表2 總結(jié)了本數(shù)據(jù)庫中采用的物性計算方法[10-12]，包括C-G 法、Joback 法、GCVOL 法和CSGC 法。

表2 物性數(shù)據(jù)的計算方法

物性數(shù)據(jù) 計算方法 表面張力σ CSGC_ST1 黏度η CSGC_VK

物性估算程序包括3 個步驟：首先利用Open Babel 2.3.2 軟件將化合物結(jié)構(gòu)mol 文件轉(zhuǎn)化成SMILES 碼；根據(jù)SMARTS 碼的編碼規(guī)則，對不同基團貢獻法中的基團進行表達。然后利用CACTVS化學(xué)工具庫[13]進行SMILES 碼和SMARTS 碼的匹配，將分子結(jié)構(gòu)拆解成基團。最后采用相應(yīng)的基團貢獻法估算化合物的性質(zhì)。物性估算程序采用Tcl 語言（Tool Command Language）[14]編寫，可以實現(xiàn)不同物性估算任務(wù)的批處理作業(yè)，以及程序與外部數(shù)據(jù)的連接。

根據(jù)不同的化合物篩選需求，用戶可以在現(xiàn)有ECCD 數(shù)據(jù)庫上的基礎(chǔ)上添加專用的物性數(shù)據(jù)和功能數(shù)據(jù)，實現(xiàn)相應(yīng)的功能化合物的篩選。例如，為了將ECCD 數(shù)據(jù)庫應(yīng)用于煤化工廢水中多種污染物脫除的萃取劑設(shè)計，我們在庫中添加了萃取性能數(shù)據(jù)?？紤]到廢水中污染物濃度很低，萃取操作液液相平衡計算采用了無限稀活度系數(shù)。萃取劑對12 種典型污染物（苯酚、甲基酚、二甲基酚、苯二酚、苯三酚、聯(lián)苯、三聯(lián)苯、萘、茚、吡啶、吲哚、喹啉）的萃取性能的計算方法如下：

1.3 數(shù)據(jù)使用的便利化

為了方便使用ECCD 進行萃取劑篩選，以SQL Server 2008 作為數(shù)據(jù)庫管理系統(tǒng)，在Windows 7環(huán)境下，利用C#語言和Visual Studio 2010 開發(fā)了ECCD 的圖形用戶界面。ECCD 的主界面和檢索界面如圖2 和圖3 所示。

圖2 現(xiàn)有商品化合物數(shù)據(jù)庫的登錄界面

圖3 現(xiàn)有商品化合物數(shù)據(jù)庫檢索欄

2 數(shù)據(jù)樣本描述

ECCD 采用CAS 號作為唯一標(biāo)識字段，化合物的基本信息、物性數(shù)據(jù)和功能數(shù)據(jù)均通過CAS 號集成到數(shù)據(jù)庫中。針對不同功能化合物篩選擴充的物性數(shù)據(jù)表也可以通過CAS 登錄號集成到ECCD中。表3–5 分別是化合物的標(biāo)識數(shù)據(jù)表、理化性質(zhì)數(shù)據(jù)表和萃取性能數(shù)據(jù)表。其中各個表包含的信息為：（1）標(biāo)識數(shù)據(jù)：CAS 登錄號、中文名稱、英文名稱、所屬名錄、分子式、SMILES 碼、摩爾質(zhì)量；（2）理化性質(zhì)數(shù)據(jù)：正常沸點、熔點、密度、蒸汽壓、黏度、表面張力；（3）萃取性能數(shù)據(jù)：分配系數(shù)、選擇性、溶解能力、溶劑損失。

表3 ECCD 的化合物標(biāo)識數(shù)據(jù)表

字段 數(shù)據(jù)類型 含義 說明 Name_EN nvarchar(255) 英文名稱 IUPAC 命名 Inventory nvarchar(255) 所屬名錄 ? MF nvarchar(255) 化學(xué)式 ? smiles nvarchar(255) SMILES 碼 ? M float 摩爾質(zhì)量 單位：g?mol?1

表4 ECCD 的理化性質(zhì)數(shù)據(jù)表

表5 ECCD 的相間行為參數(shù)數(shù)據(jù)表

3 數(shù)據(jù)質(zhì)量控制和評估

分子結(jié)構(gòu)和基團的表達以及基團匹配順序?qū)Σ鸾饨Y(jié)果的正確性產(chǎn)生影響，本庫通過對分子mol文件進行顯氫處理，以避免SMILES 碼因隱氫引起的拆解錯誤。此外，修改了部分基團的SMARTS碼和基團匹配順序，以保證基團匹配結(jié)果的正確性。

無限稀釋活度系數(shù)采用Dortmund UNIFAC 模型[15-16]計算，它改進了活度系數(shù)組合項和剩余項，能更好地描述稀釋區(qū)的真實行為。關(guān)聯(lián)模型參數(shù)的數(shù)據(jù)集來自多特蒙德數(shù)據(jù)庫（Dortmund Data Bank，DDB），關(guān)聯(lián)中不僅使用了汽–液平衡數(shù)據(jù)，還使用了超額焓、超額等壓熱容、液–液平衡、共沸、固–液平衡數(shù)據(jù)、無限稀釋活度系數(shù)數(shù)據(jù)，與原始UNIFAC 模型相比，Dortmund UNIFAC 模型估算精度更高，估算范圍更廣，預(yù)測無限稀釋活度系數(shù)的誤差可比原始UNIFAC 模型降低40%–50%[17]。

4 數(shù)據(jù)使用方法和建議

ECCD 數(shù)據(jù)已經(jīng)開發(fā)完成，目前僅限于內(nèi)部使用，已具備在線數(shù)據(jù)查詢和數(shù)據(jù)可視化能力。ECCD數(shù)據(jù)庫包括兩個賬戶，管理員賬戶和普通用戶賬戶。管理員可以實現(xiàn)數(shù)據(jù)的檢索、導(dǎo)入、導(dǎo)出和刪除。普通用戶可以進行數(shù)據(jù)的檢索和導(dǎo)出。圖4 是檢索后的結(jié)果界面。點擊圖中的“查看”，可以得到基本信息、理化性質(zhì)和萃取性能。用戶可以設(shè)定物性約束范圍進行檢索，批量下載篩選后的結(jié)果。本數(shù)據(jù)庫還可以根據(jù)不同的體系添加相應(yīng)的物性數(shù)據(jù)，更新數(shù)據(jù)集，擴展其應(yīng)用范圍。如需深入 了 解 ECCD 包 含 數(shù) 據(jù) 內(nèi) 容 ， 樣 例 數(shù) 據(jù) 集 可 以 從 Science Data Bank（http://www.sciencedb.cn/dataSet/handle/914）下載（包含89 組樣例數(shù)據(jù)）。需要指出的是ECCD 系統(tǒng)尚未對外提供服務(wù)，正式線上服務(wù)工作正在準(zhǔn)備中。如需使用本系統(tǒng)，可聯(lián)系作者。

數(shù)據(jù)作者分工職責(zé)

續(xù)冉（1990—）女，山東臨沂人，博士研究生，研究方向為計算化學(xué)與化工。主要承擔(dān)工作：商品化合物數(shù)據(jù)庫的創(chuàng)建、物性數(shù)據(jù)的計算、更新和維護。

趙月紅（1973—），男，內(nèi)蒙古包頭人，博士，副研究員，研究方向為計算化學(xué)與化工。主要承擔(dān)工作：商品化合物數(shù)據(jù)庫的創(chuàng)建、更新和維護。

韓清珍（1979—）女，山東臨沂人，博士，副研究員，研究方向為計算化學(xué)與化工。主要承擔(dān)工作：商品化合物數(shù)據(jù)庫的維護。

溫浩（1957—），男，北京人，博士，研究員，研究方向為計算化學(xué)與化工。主要承擔(dān)工作：商品化合物數(shù)據(jù)庫的設(shè)計。