本研究由Jiaqi Wu、Fangyou Yan（通讯作者）、Qingzhu Jia和Qiang Wang共同完成，作者单位均为Tianjin University of Science and Technology（天津科技大学）化学工程与材料科学学院及海洋与环境学院。研究成果发表于期刊《Colloids and Surfaces A: Physicochemical and Engineering Aspects》第611卷（2021年），文章于2020年10月26日在线发表，标题为《QSPR for predicting the hydrophile-lipophile balance (HLB) of non-ionic surfactants》。

学术背景

本研究属于胶体与界面科学领域，聚焦非离子表面活性剂的亲水亲油平衡值（Hydrophile-Lipophile Balance, HLB）预测。HLB值是表征表面活性剂性能的关键指标，由Griffin于1949年提出，定义为表面活性剂亲水性与疏水性的比值（0-20范围），直接影响其在乳化、分散、增溶等应用中的表现。传统实验测定HLB值的方法（如相转变温度法）耗时且复杂，而现有理论模型（如Davies基团贡献法）存在参数获取困难或适用范围有限的问题。因此，作者旨在开发一种基于定量结构-性质关系（QSPR）的通用预测模型，利用新型描述符（Norm descriptors）提升预测精度和适用范围。

研究流程

1. 数据集构建
   从文献中收集237种非离子表面活性剂的HLB实验值，涵盖直链烷基、聚氧乙烯链和聚氧丙烯链三类结构（见补充材料Table S1）。数据集按4:1比例随机划分为训练集（190个样本）和测试集（47个样本）。

2. 分子描述符开发

   • 结构优化：使用HyperChem软件通过AM1半经验方法优化分子结构。
     
   • Norm描述符计算：提出22个基于原子分布矩阵的Norm描述符，包括：
     
     • 距离矩阵（Ma-Md）：描述原子间路径距离（式3-6）。
       
     • 性质矩阵（表1）：如原子量（Paw）、最外层电子数（Poe）、范德华半径（Pr）等9类原子级性质。
       
     • 复合矩阵运算：通过矩阵转置、乘法及四种范数计算（式7-10）生成最终描述符（表2）。
       

3. 模型建立与验证

   • 建模方法：采用多元线性回归构建QSPR模型（式11），模型包含22个描述符及其系数（bk）。
     
   • 验证策略：
     
     • 内部验证：留一法（LOO）、5折和10折交叉验证，计算Q²、AARD（平均绝对相对偏差）和RMSE（均方根误差）。
       
     • 外部验证：测试集预测，评估R²和RMSE。
       
     • Y随机化检验：1000次随机化验证排除偶然相关性。
       
     • 应用域（AD）分析：通过杠杆值（h）和标准化残差确定模型适用范围（图6）。
       

4. 对比分析
   与文献模型（如Gad等和Chen等）在相同和不同数据集上对比，评估预测性能（表4）。

主要结果

1. 模型性能

   • 训练集R²=0.9901，AARD=2.92%，RMSE=0.4201；测试集R²=0.9900，AARD=3.47%，表明模型具有高精度和泛化能力。
     
   • 交叉验证结果（Q²_LOO=0.9873）和Y随机化检验（平均R²_y=0.1276）证实模型稳健且无过拟合。
     

2. 描述符贡献
   t检验显示原子量（Paw）和最外层电子数（Poe）对HLB影响显著（表S2）。例如，描述符5（基于Poe和距离矩阵）系数为3.2133，反映亲水基团的电子分布对HLB的正向贡献。

3. 应用域分析
   94.1%样本位于标准化残差（-3,3）和临界杠杆值（h*=0.3632）内（图6），表明模型适用于广泛结构类型的非离子表面活性剂。

4. 对比优势

   • 相比Chen等（R²=0.9673，样本数90）和Gad等（R²=0.9272，样本数98），本模型在更大数据集（237样本）上实现更高精度（R²=0.9901）。
     
   • 相同样本对比中，本模型AARD（3.49%）显著低于Gad等（8.49%），验证其优越性（表4）。
     

结论与价值

本研究成功开发了基于Norm描述符的QSPR模型，首次实现非离子表面活性剂HLB值的高通量精准预测。科学价值体现在：
1. 方法论创新：Norm描述符通过原子级矩阵运算捕捉分子结构特征，为胶体科学中的QSPR建模提供新思路。
2. 应用扩展：模型覆盖三类主流非离子表面活性剂结构，解决了传统方法（如ECL法）参数缺失的局限。
3. 工业意义：可加速表面活性剂配方设计，减少实验成本，在化工、医药等领域具有实用潜力。

研究亮点

1. 高精度预测：模型R²>0.99，是目前文献中HLB预测性能最佳的QSPR模型。
   
2. 描述符创新：22个Norm描述符通过矩阵运算整合多维结构信息，突破传统基团贡献法的限制。
   
3. 全面验证：采用7种验证方法（包括MAE测试和AD分析），确保模型可靠性和透明度。
   
4. 数据开源：补充材料公开全部237种表面活性剂的结构与HLB数据，促进后续研究。
   

其他价值

作者指出，Norm描述符概念可扩展至其他表面活性剂性质（如临界胶束浓度）的预测，为后续研究提供工具基础。此外，模型代码与计算流程的详细说明（补充材料）有助于方法复现。