Examining the PM6 semiempirical method for pKa prediction across a wide range of oxyacids
Notice bibliographique
Résumé
Abstract The pK~a~ estimation ability of the semiempirical PM6 method was evaluated across a broad range of oxyacids and compared to results obtained using the SPARC software program. Compound classes under consideration included acetic acids, alicyclic and aromatic heterocyclic acids, benzoic acids, boronic acids, hydroxamic acids, oximes, peroxides, peroxyacids, phenols, α-saturated acids, α-saturated alcohols, sulfinic acids, α-unsaturated acids, and α-unsaturated alcohols. PM6 accurately predicts the acidity of acetic and benzoic acids and their derivatives, but is less reliable for alicyclic and aromatic heterocyclic acids and phenols. α-Saturated acids are reliably modeled by PM6 except for polyacid derivatives with α-alcohol moieties. α-Saturated alcohols only appear to yield reliable PM6 results where an α-hydroxy or α-alkoxy moiety is absent. Carboxylic acids with simple α-alkene unsaturation are well approximated by PM6 except where alkyne α-unsaturation or α-carboxylation are also present. The PM6 and SPARC methods exhibit approximately equal pKa prediction performance for the acetic, alicyclic, and benzoic acids. SPARC outperforms PM6 on the peroxides, peroxyacids, phenols, and α-saturated acids and α-saturated alcohols. pKa values for boron, nitrogen, and sulfur oxyacids do not appear to be reliably estimated by either the PM6 or SPARC methods. The findings will help guide the potential appropriateness of results from the PM6 pK~a~ estimation method for waste treatment and environmental fate investigations.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».