MétaCan
Menu
Retour à la cohorte
Enregistrement W2953811364 · doi:10.26434/chemrxiv.6137474

The CHARMM36 Force Field for Lipids Can Be Used With More Accurate Water Models

2018· preprint· en· W2953811364 sur OpenAlexaff
Fatima Sajadi, Christopher N. Rowley

Notice bibliographique

RevueChemRxiv · 2018
Typepreprint
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueLipid Membrane Structure and Behavior
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésWater modelForce field (fiction)ThermodynamicsPOPCChemistryDielectricMolecular dynamicsViscosityLipid bilayerMaterials scienceComputational chemistryPhysicsMembrane

Résumé

récupéré en direct d'OpenAlex

The CHARMM36 force field for lipids is widely used in simulations of lipid bilayers. The CHARMM family of force fields were developed for use with the TIP3P water model. This water model has an anomalously high dielectric constant and low viscosity, which limits its accuracy in the calculation of quantities like permeability coefficients. The TIP3P-FB and TIP4P-FB water models are more accurate in terms of the dielectric constant and transport properties, which could allow more accurate simulations of systems containing water and lipids. To test whether the CHARMM36 lipid force field is compatible with the TIP3P-FB and TIP4P-FB water models, we have performed simulations of DPPC and POPC bilayers. The calculated headgroup area, compressibility, order parameters, and X-ray form factors are in good agreement with the experimental values, indicating that these improved water models can be used with the CHARMM36 lipid force field without modification. The water permeability predicted by these models is significantly different; the TIP3P-model diffusion in solution and at the lipid--water interface is anomalously fast due to the spuriously low viscosity of TIP3P-model water, but the PMF of permeation is higher for the TIP3P-FB and TIP4P-FB models due to their high excess chemical potentials.

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 enseignants0,023
Score d'incertitude au seuil0,815

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
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 Opus0,026
Tête enseignante GPT0,277
Écart entre enseignants0,251 · 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

Citations4
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChemRxivMême sujetLipid Membrane Structure and BehaviorTravaux en français237 207