MétaCan
Menu
Retour à la cohorte
Enregistrement W2893771144 · doi:10.1007/s13361-018-2039-2

Strengths and Weaknesses of Molecular Simulations of Electrosprayed Droplets

2018· article· en· W2893771144 sur OpenAlexaff
Styliani Consta, Myong In Oh, Victor Kwan, Anatoly Malevanets

Notice bibliographique

RevueJournal of the American Society for Mass Spectrometry · 2018
Typearticle
Langueen
DomaineChemistry
ThématiqueMass Spectrometry Techniques and Applications
Établissements canadiensWestern University
Organismes subventionnairesH2020 Marie Skłodowska-Curie Actions
Mots-clésChemistryChemical physicsMolecular dynamicsElectrosprayMass spectrometryElectrospray ionizationDrop (telecommunication)NanotechnologyIonizationCharacterization (materials science)NanometreComputational chemistryChromatographyIonChemical engineering

Résumé

récupéré en direct d'OpenAlex

The origin and the magnitude of the charge in a macroion are critical questions in mass spectrometry analysis coupled to electrospray and other ionization techniques that transfer analytes from the bulk solution into the gaseous phase via droplets. In many circumstances, it is the later stages of the existence of a macroion in the containing solvent drop before the detection that determines the final charge state. Experimental characterization of small (with linear dimensions of several nanometers) and short-lived droplets is quite challenging. Molecular simulations in principle may provide insight exactly in this challenging for experiments regime. We discuss the strengths and weaknesses of the molecular modeling of electrosprayed droplets using molecular dynamics. We illustrate the limitations of the molecular modeling in the analysis of large macroions and specifically proteins away from their native states. Graphical Abstract ᅟ.

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)0,000
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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,060
Score d'incertitude au seuil0,476

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
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 Opus0,006
Tête enseignante GPT0,282
Écart entre enseignants0,276 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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

En bref

Citations27
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of the American Society for Mass SpectrometryMême sujetMass Spectrometry Techniques and ApplicationsTravaux en français237 207