MétaCan
Menu
Retour à la cohorte
Enregistrement W2557481094 · doi:10.1107/s205327331409024x

Drug-Design QSARs based on QTAIM Electron Localization/Delocalization Indices

2014· article· en· W2557481094 sur OpenAlexaff
Ismat Sumar, Chérif F. Matta

Notice bibliographique

RevueActa Crystallographica Section A Foundations and Advances · 2014
Typearticle
Langueen
DomaineComputer Science
ThématiqueComputational Drug Discovery Methods
Établissements canadiensSaint Mary's UniversityMount Saint Vincent University
Organismes subventionnairesnon disponible
Mots-clésDelocalized electronMolecular graphElectron localization functionElectron delocalizationAtoms in moleculesMoleculeDiagonalElectronMatrix (chemical analysis)Atom (system on chip)Density matrixGraph theoryComputational chemistryGraphChemistryQuantumMathematicsQuantum mechanicsCombinatoricsPhysicsComputer science

Résumé

récupéré en direct d'OpenAlex

Following the lead of chemical graph-theoretical connectivity matrices, electron localization/delocalization matrices (LDMs) and their matrix-invariants derived forms will be introduced and shown to provide a faithfully encoding of the properties of the molecules by comparing with experiment. The matrix elements of an LDM are obtained from Bader's quantum theory of atoms in molecules (QTAIM) whereby the diagonal elements are the localization indices and the off diagonal elements are 1/2 of the delocalization indices. The sum of any row or column is the total electron population of a given atom while the sum of all sums is, of course, the total number of electrons in the molecule (N). The matrix is, thus, rich with electronic (and structural) information, implicitly and explicitly, and is conceivably useful in generating quantitative molecular descriptors for structure-to-activity relationship studies (QSAR). This talk will briefly review the uses and concepts of molecular electron density descriptors with emphasis on this new class of descriptors as a novel, possibly promising, possibility.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,953
Score d'incertitude au seuil0,895

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,011
Tête enseignante GPT0,273
Écart entre enseignants0,262 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

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

En bref

Citations0
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueActa Crystallographica Section A Foundations and AdvancesMême sujetComputational Drug Discovery MethodsTravaux en français237 207