Pirika logo
JAVA,HTML5と化学のサイト

Pirika トップ・ページ


HSPiP Hansen Solubility Parameter in Practice(HSPiP)HSP統合ソフトの本家HP

ハンセン溶解度パラメータ・ソフトウエアー(HSPiP)の購入方法とインストール

代理購入?
英語で諦めていませんか?HSPiPの代理購入なら映像工房クエスチョンへ。すぐにお見積りします。
(日本語ドキュメントサービス中)。Mail

ハンセン溶解度パラメータ(HSP)
 HSP基礎
 HSP応用
 ポリマー
 バイオ・化粧品
 環境
 物性推算
 分析
 化粧品の処方設計
 その他
 自分でやってみよう

Pirikaで化学
 物性化学
 高分子化学
 化学工学
 分子軌道
 情報化学
 その他の化学
 アカデミア
 DIY:自分でやろう
 プログラミング

雑記帳

Ad Space for you

 

Ad Space for you

 

Last Update
26-May-2017

HSP: e-Book:26-27章

2011.12.10

HSPiP Team Senior Developer, 非常勤講師 山本博志

以下の要約は映像工房クエスチョンさんの作られた電子ブック日本語版をマックで機械的に約10分の1に要約したものです。

Chapter 26 Predictions (Many Physical Properties are Correlated with HSP)
第26章、予測 [HSPと多くの物性の相関]

このモデラーは2つの化合物をSmilesの式で入力する事によって、多くの重要な物性値を比較する事ができる。例えば、二つの分子が、どちらもFG#27 (1級水酸基)を持つ組みの方が、片方がFG#27を持ち、もう一方がFG#38 (1級アミン)を持つ組より、官能基間距離は短い。 違いが誇張されすぎないことを保証する為に、ブタノールは4つの炭素を持ち、メタノールはただの一つであるが、どちらの分子もただ2つの官能基をもち、メチルとブチルの距離はそんなに大きくないように調整されている。典型的な脂質の環境はオクタノールの [16, 5, 12]というよりは、 [16, 3, 3]に近く、他の章で示したように、生物学的な鍵となる、皮膚やDNAにとりつくサイトのHSPはオクタノールよりは[17, 10, 10] に近い。以下に示す溶解度に対する疎水性効果の章を見れば)驚くべき事ではないが、logPを推算するのに一番重要な指標は分子体積だ。もし2つの溶媒の混合が”理想的”であったなら,混合溶液の上部の蒸気圧の分圧は,単に各々の溶媒のモル分率と飽和蒸気圧に依存する。そして,この単純な式による予測値からのずれを精密に解析した所,最も大きい乖離は,大きなδP と δHを持つ溶媒の間で生じる事が示された。 溶質1が溶媒2の中にいるとき,モル分率 x1 (ということは x2=1-x1)の時,活量係数 γ1 は次式で計算される。全モル分率の範囲に渡ってより良い予測性能を持つ事を力にして,等温の蒸気圧曲線を計算する事ができる。上で議論したように,単純なAの値はHSPから計算する事ができるが,より洗練されたMargules式はより良い予測性を与える。H は疎水性効果の項で水への溶解性にとても重要,そして低分子のアルコールの溶解性にとってもある程度重要である。 に依存し,水素結合性のドナー(アルコール,フェノール,アミン,アミド,チオール)が溶質の上に何個あるか,そして溶媒が水か,モノ・アルコールかポリオールかによる特別な項に依存する。 溶媒が水で,溶質が水酸基を持つ場合,水酸基が1級,2級,3級かに依存する特別なパラメータがある。最も興味深い出力は真の溶解性なのだが、異なる項の効果を見る事はとてもためになるので、HSPiPモデラーはC, E, A, Hの項を皆示す。


Chapter 27 The next steps (What Is Planned and Asked For)
第27章、次の段階へ [計画中の事と良く聞かれる事]

 この本とソフトウエアーのパッケージ化の目的は、絵画から毒性学、量子ドットから環境に優しい高分子まで、広い範囲の応用に使える定型的な道具としてのHSPを確立する事にある。(Abbottの保証に裏付けられた)我々の義務は,我々自身の研究を続ける事によって,そして,ユーザーからのフィードバックに答える事によって,本,ソフトウエアー,データを改良し続ける事だ。 この改良に対するプロセスに対して,我々の献身がどれだけ真剣であったかは,第3版における,多くの改良が物語っている。 気前よくデータを提供してくれた元データの所有者に厚く感謝する)そして、Y-MB法やStefanis-Panayiotou法を導入した。

 

ver. 3.1 Chapter 30 Improvements?

この章では、我々がある仮定をし、それに向かって挑戦するという、困難な仕事から得られた多くの成果の一部を説明する。これは、実際のデータ、例えば、溶解度とか膨潤度などを基礎にしたSphere(球)を作り出す。 フィティングのアルゴリズムは、その背後にある仮定に大きく依存するという事実によって、そして、我々も、ユーザーもこうした仮定がどうあるべきか知らないという事実によって、我々は大いに心配してきた。 より小さな分子体積の化合物がHSP距離から考える以上に高い溶解性を与えることはいつも明らかであった。 MVCオプションはこの効果を修正しようと働き、(我々も含む)多くのユーザー にとって、とても有効であることが見出された。 しかし、難しいデータセットの場合、MVolをパラメータとして加えることによって、明らかにより良い分離が作られた。 あるユーザーが溶解度を、他のユーザーが膨潤度を注目して検討を行った場合、同じポリマーであってもとても異なった相互作用半径になる。この事を頭に入れると、クラッシクHSPが長年、こんなにうまく行っていた事実は、ドナー/アクセプターとMVolの効果はたいしたことはないことを示している。 理論ではDistance2の影響を与えることを示唆するが、MVolは典型的な200の溶媒はMVolが100程度で、それが50以下、200以上となるものはほとんどいない。

 

メールの書き方講座