MétaCan
Menu
Retour à la cohorte
Enregistrement W2956841763 · doi:10.1039/c9an00785g

High-throughput, low-cost reaction screening using a modified 3D printer

2019· article· en· W2956841763 sur OpenAlexaff
Robert Schrader, Stephen T. Ayrton, Andreas Kaerner, R. Graham Cooks

Notice bibliographique

RevueThe Analyst · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueInnovative Microfluidic and Catalytic Techniques Innovation
Établissements canadiensDiscovery Centre
Organismes subventionnairesEli Lilly and Company
Mots-clésThroughput3d printerHigh-throughput screeningComputer scienceChemistryComputer hardwareEngineeringTelecommunicationsMechanical engineeringBiochemistry

Résumé

récupéré en direct d'OpenAlex

We describe a reaction screening system, based on a 96-well array, and scaled to suit use on the individual scientist's bench. The system was built by modifying a desktop 3D printer and fitting it with a glass syringe and microtiter plate. The effects of experimental variables were characterized, and the performance of the system was optimized. Precise volumes of reaction mixtures (<3% CV) were dispensed into the 96-well array in ca. 40 minutes. The system was used to screen reagents and solvents for the N-alkylation, Katritzky transamination, and Suzuki cross-coupling reactions. Product distributions derived from electrospray mass spectra and represented as heat maps facilitated recognition of optimum conditions. Screening of 96 reaction mixtures was completed in the modest time of approximately 105 minutes (∼65 seconds per reaction mixture). The system is constructed from open-source software and inexpensive 3D printer hardware.

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: aucune
Score de désaccord entre enseignants0,643
Score d'incertitude au seuil0,443

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
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 Opus0,021
Tête enseignante GPT0,250
Écart entre enseignants0,229 · 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

Citations5
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe AnalystMême sujetInnovative Microfluidic and Catalytic Techniques InnovationTravaux en français237 207