基于 COMPSOL 数据库的 COSMO 类方法与状态方程方法预测溶剂化能的比较研究

基于 COMPSOL 数据库的 COSMO 类方法与状态方程方法预测溶剂化能的比较研究

溶剂化能的计算在多个领域有许多用途，例如分离过程的设计、药理学和药物设计以及动力学建模。这些应用需要能够准确预测溶剂化能的热力学模型，考虑到该特性的温度依赖性，并且该模型快速且稳健。在此框架内，我们将两种基于 COSMO 的连续溶剂化模型（COSMO-RS 和 COSMO-SAC-dsp）与因其效率而广为人知的两个版本的预测三次状态方程（PSRK 和 UMR-PRU）进行了比较。为此，考虑了从 COMPSOL 数据库中提取的 65,000 个数据点的大型实验集。对吉布斯溶剂化能的计算数据和实验数据进行了比较，并且在文献中首次同时对溶剂化的熵和焓进行了比较。对于不发生氢键的更简单的二元混合物，所有模型都能够提供准确的预测，关于溶剂化吉布斯能，平均绝对偏差低于 0.3 kcal/mol。对于更复杂的缔合混合物，COSMO-RS 显示了实验数据和计算数据之间的最佳相关性，特别是对于水性体系；在 EoS 中，PSRK 模型提供了最好的精度。

溶剂化吉布斯能（Δsolv gᵢ）的估计是工艺和产品设计中的一个重要问题。鉴于该热力学量与不同化学物质之间的亲和力程度相关，因此它非常有用，例如，在为分离过程或化学反应选择适当的溶剂时。溶剂化量的计算也是药理学和药物设计中的一个关键问题，因为溶剂化现象直接影响给定生物活性物质对靶蛋白的亲和力，以及其溶解度和化学稳定性[1-4]。

液相详细化学动力学模型也需要溶剂化能，该模型涉及大量反应和化学物质，并且基于为模拟热解、燃烧或大气氧化现象而开发的气相模型[5-8]。这些例子强调了对预测性和准确方法的需求，这些方法可以预测溶剂化能，同时快速、稳健，并且可以应用于广泛的化合物。作为一个显着特征，这些应用涵盖了大范围的温度，因此，用于溶剂化能的模型必须包括温度依赖性作为先决条件。