Determination of Dermal Absorption Qsar/Qsprs by Brute Force Regression: Multiparameter Model Development with Molsuite 2000
Notice bibliographique
Résumé
Accurate dermal quantitative structure-activity/property relationship (QSAR/QSPR) models are needed to predict percutaneous absorption of environmental contaminants. The Molsuite 2000 chemistry modeling software (ChemSW, Fairfield, CA) was used to model the Flynn component of the Kirchner in vitro human skin permeability coefficient (K(p)) data. This Kirchner- derived Flynn (K/F) database was updated to include recent literature data quality recommendations. A K/F data subset consisting of nondrug compounds was used to further optimize the developed QSPR models. The statistical fit of the models was excellent with r(2) values up to.89 for a three-descriptor parameter K/F database model and up to.96 for a four- parameter model of the data subset. A one-parameter transform model using only logarithm octanol-water partition coefficient (log K(o/w)) was also developed for the data subset (r(2) =.87). Molecular volume (MV) descriptors were not shown to be superior to molecular weight in conventional two-parameter models with log K(o/w) but may be superior in multiparameter models. A previously nonreported descriptor, surface tension in water (STW), was found to provide optimal multiparameter models. The developed models passed PRESS cross-validation and could be useful for predicting environmental systemic dermal exposure.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».