Computational Modeling of Substituent Effects on Phenol Toxicity
Notice bibliographique
Résumé
Standard computational models of cytotoxicity of substituted phenols relate the toxicity to a set of quatitative structure-activity relationship (QSAR) descriptors such as log P, p K a, OH bond dissociation enthalpy (BDE), etc. Implicit in this approach is the idea that the phenoxyl radical is disruptive to the cell and factors increasing its production rate will enhance the toxicity. To improve the QSAR correlations, substituents are usually divided into electron-donating groups (EDG) and electron-withdrawing groups (EWG), which are treated separately and thought to follow different mechanisms of toxicity. In this paper, we focus on one important aspect of toxicity, the rate constant for production of phenoxyl radical. Activation energies are obtained for the reaction of X-phenol with peroxyl radical by using the Evans-Polanyi principle, giving rate constants as a function of DeltaBDE values for both EDG and EWG sets. We show that (i) a plot of log k for phenoxyl formation vs DeltaBDE shows a double set of straight lines with different slopes, justifying the usual EDG and EWG separation but without requiring any change in mechanism; (ii) the same method can be effectively used for different target radicals (e.g., tert-butoxyl) or different sets of parent compounds (e.g., substituted catechols), thus giving a useful general approach to analysis of toxicity data; (iii) regions of constant toxicity in all cases are predicted; and (iv) we argue that competing parallel mechanisms of toxicity are likely to be dominant for EWG-substituted phenols.
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 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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».