A comparative assessment of octanol-water partitioning and distribution constant estimation methods for perfluoroalkyl carboxylates and sulfonates
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
Abstract New experimental data is available in the literature regarding the octanol-water distribution behavior of representative straight chain perfluoroalkyl carboxylate (PFCA) and sulfonate (PFSA) congeners. The current study provides the first investigation into the predictive ability of various software programs for estimating the corresponding octanol-water partitioning (log P) and distribution (log D) constants of PFCAs and PFSAs. Wide predictive variation was found within and between the various methods. Several programs were able to accurately estimate the log P/D fragmental contributions of a -CF~2~- group for PFCAs, as well as the associated Gibbs free energies for partitioning into octanol from water due to the hydrophobic character of the perfluoroalkyl chain (Δ~hydrophobic~G~ow~). Only the SPARC log D method accurately predicted the electrostatic contributions of the carboxylate head group (Δ~electrostatic~G~ow~) towards octanol-water partitioning for PFCAs. Similar log D values and organic carbon normalized sediment-water partitioning coefficients (K~oc~) for PFCAs and PFSAs having equivalent perfluoroalkyl chain lengths suggests potentially equivalent Δ~electrostatic~G~ow~ and Δ~hydrophobic~G~ow~ contributions towards lipophilic partitioning for these two contaminant classes at near neutral pH values, regardless of head group identity. In contrast, there are potentially different Δ~electrostatic~G~ow~ and Δ~hydrophobic~G~ow~ contributions towards proteinophilic partitioning under biologically relevant conditions.
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 | 0,000 |
| 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 | 0,001 | 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 découle