《Journal of Molecular Graphics and Modelling》：Monte Carlo-based SMILES-driven QSPR modeling of Organic Chromophores across the visible-to- NIR spectral range
编辑推荐：
摘要开发具有特定光学性质的有机发色团是材料化学领域的关键目标。在本研究中，利用130种有机发色团的数据集，通过CORAL工具建立了用于预测吸收和发射峰值的QSPR模型。这些模型是基于SMILES衍生的描述符生成的，并通过蒙特卡洛方法进行优化。模型稳定性通过不同的数据分割方式以及多
摘要
开发具有特定光学性质的有机发色团是材料化学领域的关键目标。在本研究中，利用130种有机发色团的数据集，通过CORAL工具建立了用于预测吸收和发射峰值的QSPR模型。这些模型是基于SMILES衍生的描述符生成的，并通过蒙特卡洛方法进行优化。模型稳定性通过不同的数据分割方式以及多种目标函数IIC、CII、CCPP和相关性平衡指标来评估。基于R2、Q2、MAE和标准误差等内部和外部验证参数，所建立的模型展现出良好的预测性能。在所有模型中，使用CCPP目标函数（TF-4）生成的A18模型在预测吸收峰值方面表现最佳，其验证指标为R2=0.8404，Q2=0.8261，MAE=39.4，AvR?2=0.7703，ΔR?2=0.1077。而在预测发射峰值方面，F10模型的整体性能最优，对应的指标为R2=0.8332，Q=0.8192，MAE=32.4，AvR?2=0.7615，ΔR?2=0.0019。这些结果证明了基于SMILES的CORAL模型的预测可靠性。适用性分析表明，大多数化合物都在模型的可靠预测范围内。这些研究结果表明，所提出的模型可作为实用工具，用于估算发色团的光谱性质，并为近红外材料的设计提供指导。
引言
调控有机发色团的光物理性质是材料科学面临的核心挑战之一，因为这需要深入理解分子结构与性质之间的关系，才能获得理想的吸收和发射特性。[1]定量结构-性质关系（QSPR）建模作为一种强大的计算策略，可用于建立分子特征与光物理性质之间的关联，从而直接根据分子结构信息预测光谱行为。[2]QSPR建模可采用统计方法或机器学习方法，这两种方法都能帮助人们探索有机发色团的多维化学空间，确定所需的光学性质，同时减少耗时的实验筛选工作。[3]
有机化合物的光谱行为与其分子结构内的电子跃迁密切相关，而共轭长度、给电子和吸电子取代基、分子平面性以及分子间相互作用等因素都会对其产生显著影响。因此，了解结构与性质之间的关系对于设计各种应用领域的下一代功能材料至关重要。例如，在用于生物成像的近红外染料中，若能将吸收波长调至700纳米以上，就能提升组织透明度，降低背景自荧光的影响。[4]同样，设计有机发光二极管和光伏器件时，也需要具有适当带隙、高量子产率和合适能量水平的发色团。生物成像探针不仅需要合适的光谱性质，还要具备高亮度、光稳定性和生物相容性。由于发光现象受多种结构因素以及电子跃迁和后续弛豫过程的影响，同时预测这些相互关联的性质仍然是一项挑战。[5]
QSPR建模是一种通过数值描述符和数学模型，将分子结构与生物活性或物理化学行为联系起来的计算方法。[6]、[7]在这些模型中，分子特征会被转化为描述符，用以体现化合物的结构、电子、拓扑或物理化学特性。随后，这些描述符会与实验测得的响应值相关联，进而建立预测方程或机器学习模型。这样的方法使得在合成之前就能估算出未测试分子的性质，从而降低实验成本和时间。[8]、[9]、[10]模型构建通常包括数据集整理、描述符计算、变量选择、统计或机器学习建模，以及通过内部和外部标准进行验证。[11]、[12]正是由于这种预测能力，QSAR/QSPR方法已成为计算化学中的重要工具，被广泛应用于药物发现、毒理学、环境化学和材料设计等领域。[13]、[14]、[15]近年来，随着建模方法、描述符选择、算法复杂度以及预测性能的不断提升，QSPR建模技术得到了极大发展，被广泛用于预测光谱性质。[16]Katritzky等人通过多元回归方法建立了分子描述符与紫外-可见吸收峰值之间的关联，证明了针对多种有机分子进行基于结构的光谱预测是可行的。[17]最近的研究表明，机器学习和QSPR方法已被用于预测BODIPY染料的荧光量子产率与单线态氧生成量子产率之比，体现了数据驱动模型在筛选适用于荧光成像和光动力应用的化合物方面的作用。[18]更广泛地说，将量子化学计算与机器学习相结合，已成为合理设计并高效筛选荧光染料、室温磷光材料以及热活化延迟荧光系统的一种有效策略。[19]、[20]
CORAL作为一种免费的QSAR/QSPR建模平台，近期受到了广泛关注。[21]该程序运用相关性原理和逻辑规则以及蒙特卡洛优化技术，生成最优的基于描述符的模型。在CORAL中，分子结构以SMILES表示法呈现，这使得结构片段和分子特征可以直接用于描述符的生成。[22]、[23]、[24]、[25]除了传统的分子QSAR应用外，经过蒙特卡洛优化的描述符也被应用于其他领域。在纳米QSAR研究中，基于SMILES和准SMILES的表达方式被用来模拟纳米材料的细胞毒性及其他生物学效应。[26]、[27]准SMILES不仅能编码结构信息，还能体现实验条件以及纳米材料的尺寸、表面修饰情况、成分、浓度和检测条件等信息。[28]、[29]这些进展表明，基于蒙特卡洛的描述符优化方法能够适应不同类型的数据集。尽管基于CORAL的SMILES描述符和蒙特卡洛优化方法是QSAR/QSPR建模中的常用工具，但将其系统地应用于同时研究结构多样的有机发色团的吸收和发射峰值的研究还相对较少。本研究采用了相同的基本原理，但研究目标有所不同，即研究结构多样的有机发色团的吸收和发射行为。本研究的创新之处在于，通过五种不同的数据分割方式和多种目标函数，分别建立了可解释的用于预测吸收和发射波长的QSPR模型。此外，该研究还分析了与红移和蓝移相关的结构特征，这对识别和设计具有远红光和近红外光学特性的发色团具有重要意义。
章节节选
结果与讨论
研究人员采用基于SMILES描述符的蒙特卡洛优化方法，对数据集中的化合物的吸收和发射峰值进行了建模。整个数据集被分为训练集、隐藏训练集、校准集和验证集，这些集合在模型构建、过拟合控制、参数优化以及外部预测评估等方面发挥着各自的作用。最初，研究人员先对吸收数据集进行了建模，随后利用不同的方法建立了多个模型（A1-A20）。
机制解析
对于吸收数据集，代表性蒙特卡洛优化运行所得的结构属性及其对应的相关权重和缺陷值分别总结在表S7中；而发射数据集的相关信息则列在表S8中。通过蒙特卡洛优化过程中得到的相关权重CW(SA)的符号，可以判断每个结构属性的贡献程度。如果某个结构属性在所有的优化试验中都显示出正的相关权重值，那么它
结论
本研究证明了基于SMILES的QSPR建模在预测有机发色团光学行为方面的有效性。研究人员使用CORAL软件，结合蒙特卡洛优化方法，对130种发色团的数据集进行了建模，以此预测它们的吸收和发射峰值。通过采用不同的数据分割方式和目标函数，可以对模型的稳定性和预测性能进行对比评估。在所有吸收峰值预测模型中，使用CCPP目标函数（TF
CRediT作者贡献说明
Jayant Sindhu：撰写——审阅与编辑。Parvin Kumar：撰写——审阅与编辑。Devender Singh：撰写——审阅与编辑。Anju Ranolia：撰写——审阅与编辑，数据整理，概念构思。Kiran：撰写——审阅与编辑，数据整理。Khushboo Chauhan：撰写——初稿撰写，方法设计，正式分析，数据整理，概念构思
利益冲突声明
作者声明，他们不存在任何可能影响本文研究结果的已知财务利益或个人关系。
利益冲突声明
? 作者声明，他们不存在任何可能影响本文研究结果的已知财务利益或个人关系。
致谢
Anju Ranolia（NTA编号231610196890）和Kiran（2018年CSIR-UGC NET JRF获得者）感谢UGC提供的科研资助。同时，我们也要感谢Hisar的化学系、CCS哈里亚纳农业大学，感谢他们为研究提供的实验室设施及仪器支持。
Khushboo Chauhan|Anju Ranolia|Kiran|Parvin Kumar|Devender Singh|Jayant Sindhu
化学系，COBS&H，CCSHAU，Hisar-125004
