Важев В.В.,
доктор химических наук
Важева Н.В.,
кандидат педагогических наук
Калина Е.В.,
магистрант
Костанайский государственный педагогический институт
ПРОГНОЗИРОВАНИЕ КОНСТАНТ ДИССОЦИАЦИИ
КАРБОНОВЫХ КИСЛОТ ПО ИХ ИК СПЕКТРАМ
Карбоновые кислоты, их произ-
водные, а также многочисленные сое-
динения, содержащие наряду с кар-
боксильной иные функциональные
группы (например, аминокислоты, ок-
сикислоты и др.), имеют большое био-
логическое значение и находят раз-
нообразное практическое применение.
К числу важнейших характеристик
карбоновых кислот относятся кон-
станты диссоциации, используемые
для оценки реакционной способности
веществ, расчёта кислотно-основных
равновесий в многокомпонентных
системах в фармакологии и фармацев-
тической химии, токсикологии, эко-
логии. Обычно за меру константы
диссоциации принимают ее обратный
логарифм pK. Существующие спра-
вочные данные значений рК не пре-
вышают нескольких тысяч ввиду тру-
доемкости их экспериментального оп-
ределения, что побуждает развивать
расчетные методы оценки и прогно-
зирования рК. Одним из перспек-
тивных направлений численной оцен-
ки является QSPR (Quantitative Struc-
ture- Property Relationships) подход,
устанавливающий корреляции свойст-
ва с дескрипторами молекулярной
структуры.
В недавней работе [1] представ-
лены линейные модели показателя
кислотности рК для алифатических
карбоновых кислот и для спиртов,
построенные с помощью наборов эм-
пирических атомных дескрипторов.
Для модели рК 1122 алифатических
карбоновых кислот коэффициент кор-
реляции R между эксперименталь-
ными и расчетными значениями был
равным 0,902, стандартное отклоне-
ние s= 0,423; для модели рК 288 спир-
тов коэффициент корреляции – 0,904,
стандартное отклонение 0,755. Оцен-
ка pK карбоновых кислот, анилинов и
фенолов с использованием квантовых
топологических молекулярных описа-
телей выполнена в [2]. Коэффициенты
корреляции составили: 0,959 (кисло-
ты), 0,987 (анилины), и 0,976 (фено-
лы). Ксанг и др. [3] использовали на-
бор из 625 кислот и 412 оснований.
Полученные модели имеют s =0,41
для кислот и 0,30 для оснований. В
работе [4] с привлечением квантово-
химических дескрипторов выполнена
оценка pK фенолов, карбоновых кис-
лот и спиртов. Коэффициенты корре-
ляции составили 0,96 для фенолов;
0,84 для неароматических карбоновых
кислот; 0,89 для бензойных кислот и
0,89 для спиртов. В статье [5] со-
общено о результатах моделирования
рК для 16 алифатических карбоновых
кислот с R=0,97, s=0,24.
Нами рассмотрена возможность
использования ИК спектров карбоно-
вых кислот в качестве дескрипторов
при оценке значений рК. Был взят на-
бор из 58 предельных и непредельных
карбоновых кислот, принадлежащих к
ЖАРАТЫЛЫСТАНУ ҒЫЛЫМДАР ЕСТЕСТВЕННЫЕ НАУКИ
161
алифатическому,
алициклическому,
ароматическому рядам. Показатели
pK получены с сайта базы данных
PhysProp [6], ИК спектры веществ в
газовой фазе взяты на сервере NIST
(США) [7]. Тренировочная выборка
состояла из 40, а контрольная- из 18
веществ. Расчеты выполнены с помо-
щью разработанной нами компьютер-
ной программы PROGROC (PROG-
gram RObustness Calculation) [8], там
же приведены способы нормировки
спектров. Результаты прогнозирования
pK приведены в таблицах 1,2 и на
рисунке 1. Названия веществ приводят-
ся в соответствии с принятыми в [7].
Экспериментальные [6 ] и рассчитанные по ИК спектрам значения pK
CAS- регистрационный номер по Chemical Abstracts
Таблица 1
№
Соединение CAS
Экспер
Расч
Разность
1 2
3
4
5
6
1
Nonanedioic acid
123-99-9
4.55
4.87
-0.32
2
2-Biphenylcarboxylic acid
947-84-2
4.31
4.34
-0.03
3
(p-Methoxyphenoxy)acetic acid
1877-75-4 3.21
3.22
-0.01
4
Pentanoic acid, 4-oxo-
123-76-2
4.64
4.48
0.16
5
Propanoic acid
79-09-4
4.88
5.07
-0.19
6
2,3-Dimethoxybenzoic acid
1521-38-6 3.98
3.98
-0.00
7
1-Naphthalenecarboxylic acid
86-55-5
3.60
3.57
0.03
8
2-Naphthalenecarboxylic acid
93-09-4
4.17
4.21
-0.04
9
2-Propenoic acid, 3-phenyl-
621-82-9
4.44
4.40
0.04
10 Decanoic acid
334-48-5
4.90
5.04
-0.14
11 Cyclohexanecarboxylic acid
98-89-5
4.90
4.83
0.07
12 Benzoic acid, 2-methyl-
118-90-1
3.98
3.93
0.05
13 Cyclohexaneacetic acid
5292-21-7 4.80
4.69
0.11
14 Benzenepropanoic acid
501-52-0
4.66
4.62
0.04
15 2-Propenoic acid, 2-methyl-
79-41-4
4.65
4.65
0.00
16 3,5-Dimethylbenzoic aicd
499-06-9
4.54
4.50
0.04
17 p-Methylcinnamic acid
1866-39-3 3.21
3.20
0.01
18 3-Methylphenoxyacetic acid
1643-15-8 3.20
3.10
0.10
19 Benzeneacetic acid
103-82-2
4.31
4.36
-0.05
20 3-Methylcinnamic acid
3029-79-6 4.21
4.31
-0.10
21 2-Naphthylacetic acid
581-96-4
4.30
4.30
0.00
22 Butanoic acid, 3-methyl-
503-74-2
4.77
4.58
0.19
23 3-Methoxyphenoxyacetic acid
2088-24-6 3.14
3.14
0.00
24 2-Hydroxy-3-methylbenzoic acid
83-40-9
2.95
2.95
0.00
25 4-Ethylbenzoic acid
619-64-7
4.35
4.35
-0.00
26 p-Tolueneacetic acid
622-47-9
4.37
4.37
0.00
27 .alpha.-Methylcinnamic acid
1199-77-5 4.17
4.20
-0.03
28 Benzoic acid, 3-methoxy-
586-38-9
4.09
4.15
-0.06
29
Benzeneacetic acid, .alpha.-methyl-
492-37-5
4.90
4.81
0.09
30 Butanoic acid, 2-ethyl-
88-09-5
4.71
5.00
-0.29
31 p-Propoxybenzoic acid
5438-19-7 4.78
4.77
0.01
32 Salicylic Acid
69-72-7
2.97
3.00
-0.03
33 2,2-Dimethylvaleric acid
1185-39-3 5.02
4.68
0.34
34 Butanedioic acid
110-15-6
4.21
4.18
0.03
35 Butanedioic acid, methyl-
498-21-5
3.17
3.20
-0.03
36 Propanoic acid, 2-methyl-
79-31-2
4.84
4.60
0.24
ЖАРАТЫЛЫСТАНУ ҒЫЛЫМДАР ЕСТЕСТВЕННЫЕ НАУКИ
162
37 Benzoic acid, 4-hydroxy-
99-96-7
4.54
4.57
-0.03
38 Propanoic acid, 2,2-dimethyl-
75-98-9
3.14
3.44
-0.30
39 2-Propenoic acid
79-10-7
4.26
4.22
0.04
40 Acetic acid
64-19-7
4.76
4.71
0.05
41 Pentanoic acid, 4-methyl-
646-07-1
4.84
4.97
-0.13
42 4-Methylphenoxyacetic acid
940-64-7
3.21
2.91
0.30
43 2,3-Dimethylbenzoic acid
603-79-2
3.72
3.62
0.10
44 Benzoic acid, 3-hydroxy-
99-06-9
4.30
4.35
-0.05
45 2,6-Dimethylbenzoic acid
632-46-2
3.35
3.13
0.22
46 Octanoic Acid
124-07-2
4.89
4.76
0.13
47 Butanoic acid, 2-methyl-
116-53-0
4.81
4.55
0.26
48 Butanoic acid
107-92-6
4.82
4.88
-0.06
49 Heptanoic acid
111-14-8
4.80
4.93
-0.13
50 2-Methoxyphenoxyacetic acid
1878-85-9 3.23
3.01
0.22
51 4-Phenylbutyric acid
1821-12-1 4.76
4.95
-0.19
52 Nonanoic acid
112-05-0
4.95
4.84
0.11
53 Hexanedioic acid
124-04-9
4.44
4.49
-0.05
54 5-Phenylvaleric acid
2270-20-4 4.90
4.98
-0.08
55 2-Acetylbenzoic acid
577-56-0
4.13
4.02
0.11
56 Acetic acid, phenoxy-
122-59-8
3.17
3.01
0.16
57 Hexanoic acid
142-62-1
4.88
4.94
-0.06
58 Octanedioic acid
505-48-6
4.52
4.15
0.37
2.50
3.00
3.50
4.00
4.50
5.00
5.50
2.50
3.00
3.50
4.00
4.50
5.00
5.50
pK, эксперимент
pK,
ра
сче
т
Рисунок 1. Корреляция между эксперимен-
тальными и вычисленными значениями pK
● – тренировочная выборка;
×- контрольная выборка
Приведенная на рисунке 2 гисто-
грамма распределения частот ошибок
прогнозирования pK близка к нор-
мальному распределению.
0
5
10
15
20
-0.3
-0.2
-0.1
0.0
0.1
0.2
0.3
0.4
Ошибка прогнозирования рК
Ч
асто
та
Рисунок 2. Гистограмма распределения
частот ошибок прогнозирования pK
Показатели корреляции между
экспериментальными и
вычисленными значениями pK
Таблица 2
Показате
ли кор-
реляции
Весь
набор
Трениро
-вочная
выборка
Контро-
льная
выборка
R
0,9765
0,9792 0,9834
s 0,14
0,13
0,15
Данные таблицы 2 убедительно
демонстрируют высокий потенциал
использования ИК спектров для оцен-
ки констант диссоциации органичес-
ких соединений.
ЛИТЕРАТУРА
1.
Zhang J., Kleinöder T., Gasteiger J.
Prediction of pK(a) Values for Ali-
phatic Carboxylic Acids and Alcohols
with Empirical Atomic Charge
Descriptors // J. Chem Inf. Model. –
2006. - Vol. 46, № 6. P. 2256-2266.
2.
Chaudry U.A, Popelier P.L. Estima-
tion of pKa using quantum topological
molecular similarity descriptors: appli-
cation to carboxylic acids, anilines and
phenols // J. Org. Chem. – 2004. –
Vol. 69, № 2. P. 233-41.
ЖАРАТЫЛЫСТАНУ ҒЫЛЫМДАР ЕСТЕСТВЕННЫЕ НАУКИ
163
3.
Xing L., Glen R.C., Clark R.D.
Predicting pKa by Molecular Tree
Structured Fingerprints and PLS // J.
Chem. Inf. Comput. Sci. – 2003. –
Vol. 43, № 3. P. 870 -879.
4.
Citra M.J. Estimating the pKa of
phenols, carboxylic acids and alcohols
from semi-empirical quantum chemi-
cal methods // Chemosphere. – 1999.
– Vol 38, № 1. P. 191-206.
5.
Schürmann G., Cossi M., Barone V.,
Tomasi J. Prediction of the pKa of
Carboxylic Acids Using the ab Initio
Continuum-Solvation Model // J.
Phys. Chem. A. – 1998. – Vol. 102, №
33. P. 6706 -6712.
6.
UW-Madison Chemistry Library.
PHYSICAL & CHEMICAL PRO-
PERTIES: O-P. Режим доступа: http:
// esc.syrres.com/ interkow/ physde-
mo. htm
7.
NIST Chemistry WebBook. NIST
Standard Reference Database Number
69 - November 1998 Release.
http://webbook.nist.gov/chemistry/
8.
Важев В.В. Использование ИК- и
масс-спектров в QSAR/QSPR– ис-
следованиях.- Костанай: КГУ, 2003.
- 114 с.
Кариева М.В.,
магистрант
Жалкевич В.Т.,
доцент
КГУ им.А.Байтурсынова
ИСПОЛЬЗОВАНИЕ ЛОГИКО-СМЫСЛОВЫХ МОДЕЛЕЙ
ПРИ ОБУЧЕНИИ ОРГАНИЧЕСКОЙ ХИМИИ
Переход общества к качественно
новому состоянию влияет на цели
обучения. Требуются люди убежден-
ные, активные, ищущие, умеющие
жить и работать в условиях демок-
ратии, в обстановке возрастающей
экономической и социальной ответст-
венности за себя и свою страну. По-
этому первоочередными целями обу-
чения становятся развитие способов
умственных действий, формирование
самостоятельности и творчества, ус-
воение знаний, умений и навыков.
В связи с этими целями большое
значение играет развивающее обуче-
ние. Если при традиционном обуче-
нии (информационном, сообщающем)
деятельность учащихся носит репро-
дуктивный характер – воспроизве-
дение, выполнение заданий по об-
разцу, по определенному алгоритму,
то в условиях развивающего обучения
эта деятельность становится продук-
тивной. Учащийся самостоятельно
ищет решение нового для него зада-
ния, проблемы, то есть он учится при-
менять знания в новой ситуации и
самостоятельно разрабатывать алго-
ритм решения стоящей перед ним
проблемы.
Существует достаточно много
методов развивающего обучения.
Большинство из них применяются на
протяжении многих лет. Но одним из
новых и перспективных методов яв-
ляется использование логико-смысло-
вых моделей [1].
Особенно важное значение этот
метод приобретает при изучении хи-
мии, как одного из сложных предме-
тов.
Понятие «логико-смысловая мо-
дель» было введено В.Э. Штейнбер-
гом для представления знаний в виде
многомерной модели, состоящей из
двух компонентов: содержательного
(смысловые элементы) и логического
(порядок расположения смысловых
элементов). Использование логико-
смысловых моделей может значитель-
но повысить эффективность обуче-
ния, позволит учесть тип познаватель-
ной деятельности учащихся (право- и
левополушарные). Особенно эффек-
тивно использовать логико-смысло-
вые модели для учащихся с правопо-
лушарным типом познавательной дея-
ЖАРАТЫЛЫСТАНУ ҒЫЛЫМДАР ЕСТЕСТВЕННЫЕ НАУКИ
164
тельности, которые склонны рассмат-
ривать частности, слагающие целое,
осуществлять поиск общей картины и
смысла явления, и для которых ос-
новной метод познания – дедуктив-
ный (от общего к частному). Пост-
роение логико-смысловых моделей
способствует формированию целост-
ного восприятия любой информации
[2,3].
Сущность развивающего обуче-
ния как технологии обучения также
можно представить в виде логико-
смысловых моделей (Рисунок 1).
Рассмотрим один из аспектов
применения логико-смысловых моде-
лей. Например, при изучении карбо-
новых кислот логико-смысловые мо-
дели могут быть использованы для
иллюстрации философских категорий
«сущность», «особенное», «единич-
ное», лежащих в основе системы раз-
вивающего обучения.
На этапе обобщенной модели
способа познания карбоновых кислот
преподаватель совместно с учащими-
ся составляет логико-смысловую мо-
дель «Портрет карбоновой кислоты»,
проектируя способы познания этих
веществ по шести осям: состав, строе-
ние, физические свойства, химичес-
кие свойства, получение, применение.
При этом он опирается на имеющиеся
знания учащихся, заполняя оси 1-3 и
оставляя оси 4-6 свободными для
дальнейшей работы. Таким образом, к
концу изучения темы, после накоп-
ления у учащихся соответствующих
знаний логико-смысловая модель
«Портрет карбоновой кислоты» будет
выглядеть, как показано на рисунке 2
[4-6].
Рисунок 1
Развивающее обучение как технология обучения
Характер содержания
Цели
Тип образовательного
процесса
● формирование ЗУН
● светский
● включение СУМ ● общеобразовательный ● сущностно-
репродуктивный
● развитие СУД ● обучающий
● личностный
● развивающий
Концептуальная
Дидактическое
основа значение
теория ЦУД
изучение
контроль
●
●
●
●
●
●
●
теория
теория РО
обобщение, выработка
содержательного
систематизация
умений
обобщения
● ЦУД
моделировать
● самоконтроль ● групповая ● учебных задач
● самокоррекция
●самореализация ●парная ●оценивание
● самооценка
cубъективных возможностей
● самостоятельное планирование ● индивидуальная ● коллективно-
● самостоятельное целеполагание
распределительная
деятельность
Управление
Организационная форма
Преобладающий
образовательным
образовательного процесса
метод
процессом
Развивающее
обучение
ЖАРАТЫЛЫСТАНУ ҒЫЛЫМДАР ЕСТЕСТВЕННЫЕ НАУКИ
165
Рисунок 2
Портрет карбоновой кислоты
Строение
Физические свойства
● полярная ковалентная ● t кип.
связь
O
δ-
● растворимость в воде
⁄⁄
● R – C
δ+
● запах
\
O – H ● агрегатное состояние
Химические свойства
Состав
(С
n
Н
2n+1
)
-
+Ме +Ме(ОН)
n
+С
n
H
2n+1
ОН +Ha
●
●
●
● ● ● ● ●
(C
n
H
2n-1
) - — COOH + МеО +PCl
5
+RCOOH +HHal
● CH
4
+O
2
→ ●
● C
n
H
2n+1
OH + O
2
→ ●
● RCOH + O
2
→ ●
● RCOONa + H
2
SO
4
→ ●
● R -C≡N + 3HOH → ●
● C
n
H
2n
+ CO + H
2
O →
Получение
Применение
Категорию «особенное» на дан-
ном этапе познания иллюстрирует ло-
гико-смысловая модель однооснов-
ных предельных карбоновых кислот.
Категория «единичное» может
быть представлена логико-смысловой
моделью конкретной карбоновой кис-
лоты.
При дальнейшем изучении хи-
мии учащиеся возвращаются к пост-
роенным логико-смысловым моделям
и заполняют свободные точки на осях
новой информацией. Такая организа-
ция процесса обучения повышает эф-
фективность и результативность обра-
зовательного процесса.
Использование логико-смысло-
вых моделей способствует активиза-
ции мыслительной деятельности уча-
щихся, прочному усвоению знаний,
развитию логического мышления.
Данную методику использова-
ния логико-смысловых моделей мож-
но также применять при изучении
других тем, так как она не только ак-
тивизирует познавательную и умст-
венную деятельность учащихся, но и
способствует быстрому запоминанию
изучаемого материала, а также фор-
мированию целостного восприятия
любой информации.
ЛИТЕРАТУРА
1.
Шабанов А.В., Стрюков Г.А. Ис-
пользование
приемов
развития
мышления при обучении химии. //
Химия в школе, 1993. № 6. с. 33-36.
2.
Воскобойникова Н.П., Галыгина
И.В., Галыгина Л.В. Логико-смыс-
ловые модели в развивающем обу-
чении. // Химия в школе, 2005. №5.
с.42-45.
3.
Воскобойникова Н.П., Галыгина
И.В., Галыгина Л.В. К вопросу о пе-
дагогических технологиях и сис-
темах обучения. // Химия в школе,
2002. № 2. с. 16-21.
Портрет
карбоно-
вой
кислоты
ЖАРАТЫЛЫСТАНУ ҒЫЛЫМДАР ЕСТЕСТВЕННЫЕ НАУКИ
166
4.
Зуева М.В., Зазнобина Л.С., Шту-
лифнер В.А. Методика преподава-
ния химии. – М.: Высшая школа,
1981. – 190 с.
5.
Иванова Р.Г., Осокина Г.Н. Изу-
чение химии в 9-10 классах. – М.:
Просвещение, 1983. – 288 с.
6.
Ким А.М. Органическая химия. –
Новосибирск: Сибирское унив. изд.,
2004. – 844 с.
Достарыңызбен бөлісу: |