MétaCan
Menu
Retour à la cohorte
Enregistrement W2071770948 · doi:10.1080/1062936x.2014.900521

QSARs for aquatic toxicity: celebrating, extending and displaying the pioneering contributions of Ferguson, Konemann and Veith

2014· review· en· W2071770948 sur OpenAlexaff
D. Mackay, Jon A. Arnot, Alena K.D. Celsie, Alexander Orazietti, J. Mark Parnis

Notice bibliographique

RevueSAR and QSAR in environmental research · 2014
Typereview
Langueen
DomaineComputer Science
ThématiqueComputational Drug Discovery Methods
Établissements canadiensThe Scarborough HospitalUniversity of TorontoTrent University
Organismes subventionnairesU.S. Environmental Protection Agency
Mots-clésAquatic toxicologyQuantitative structure–activity relationshipToxicityPartition coefficientChemistryEnvironmental chemistryComputational chemistryOrganic chemistryStereochemistry

Résumé

récupéré en direct d'OpenAlex

Significant advances were made in the development of quantitative structure-activity relationships (QSARs) relating molecular structure to aquatic toxicity by three studies over 30 years ago by Ferguson in 1939, Konemann in 1981, and Veith and colleagues in 1983. We revisit the original concepts and data from these studies and review these contributions from the bases of current perspectives on the hypothesized mechanism of baseline narcotic toxicity and the underlying thermodynamic and kinetic aspects. The relationships between LC50, octanol-water partition coefficient, aqueous solubility, chemical activity and chemical volume fraction in lipid phases are outlined including kinetic influences on measured toxicities. These relationships provide a compelling and plausible explanation of the success of these and other QSARs for aquatic toxicity. Suggestions are made for further advances in these QSARs to improve assessments of toxicity by baseline narcotic toxicity and selective modes of action, especially using emerging quantum chemical computational capabilities.

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.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,005
Études des sciences et des technologies0,0000,002
Communication savante0,0010,003
Science ouverte0,0010,001
Intégrité de la recherche0,0010,004
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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.

Tête enseignante Opus0,067
Tête enseignante GPT0,422
Écart entre enseignants0,355 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations21
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSAR and QSAR in environmental researchMême sujetComputational Drug Discovery MethodsTravaux en français237 207