Bio-inspired approaches to accelerating metal ion-promoted reactions: enzyme-like rates for metal ion mediated phosphoryl and acyl transfer processes
Notice bibliographique
Résumé
Abstract Intense efforts by many research groups for more than 50 years have been directed at biomimetic approaches to understand how enzymes achieve their remarkable rate accelerations. Nevertheless, it was noted in 2003 that, despite numerous efforts to design models for catalyzing the cleavage of such species as phosphate diesters, “none of the several models so far described approaches the enormous catalytic efficiency of natural enzymes”. The same could be said for biomimetics of other enzymes promoting acyl or phosphoryl transfer reactions, particularly those mediated by metal ions such as Zn(II). Clearly other important factors were being overlooked or awaiting discovery. In this manuscript we describe two important effects that we have implemented to accelerate metal ion catayzed phosphoryl and acyl transfer reactions. The first of these relates to a medium effect where the polarity of the solution, as measured by dielectric constant, is reduced from that of water (ε= 78) to values of 31.5 and 24.3 when the solvent is changed to methanol or ethanol. Among organic solvents these light alcohols are closest to water in terms of structure and properties as well as retaining important H-bonding properties. The second important effect involves a known but difficult to demonstrate mode of catalysis where the leaving group (LG) in a solvolysis reaction is accelerated as it becomes progressively poorer. In the cases described herein, the LG’s propensity to depart from a substrate during the course of reaction is accelerated by coordination to a metal ion in a process known as leaving group assistance, or LGA. These two effects can each impart accelerations of 109–1017for certain metal ion catalyzed reactions relative to the corresponding solvent, or base induced reactions.
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 | 0,000 | 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 | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».