Global Green Chemistry Metrics Analysis Algorithm and Spreadsheets: Evaluation of the Material Efficiency Performances of Synthesis Plans for Oseltamivir Phosphate (Tamiflu) as a Test Case
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This work discloses an easy-to-use algorithm to evaluate the global material efficiency performance of any kind of synthesis plan regardless of complexity to a given target molecule according to green metrics criteria. The algorithm is robust and has been adapted to Excel spreadsheets for rapid calculation and graphing of the numerical results. In order to demonstrate the facile utility of this exceptional tool for process and synthetic chemists in the evaluation and ranking of synthetic performance, various synthesis plans for oseltamivir phosphate, a neuraminidase inhibitor used to treat the H5N1 influenza virus, have been investigated. In particular, six industrial syntheses and nine plans from academic groups have been thoroughly and rigorously evaluated according to kernel and global reaction mass efficiencies and E-factors, atom economy, and overall yield performances. In addition, all reported plans were evaluated according to new synthesis elegance parameters including fraction of sacrificial reagents by molecular weight, hypsicity (oxidation level) index, and number of target bonds made per reaction step. Target structure bond maps and profiles are introduced as convenient ways to visually describe synthetic strategy compactly. These powerful algorithms and visual aids can be used to immediately spot bottlenecks in a synthesis plan. Moreover, they allow deeper understanding and critiquing of synthesis plans, thereby assisting chemists in suggesting new directions for further optimization.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle