MétaCan
Menu
Retour à la cohorte
Enregistrement W4237580048 · doi:10.1038/npre.2010.3882.2

Performance of the ALOGPS 2.1 program for octanol-water partition coefficient prediction with organic chemicals on the Canadian Domestic Substances List

2010· preprint· en· W4237580048 sur OpenAlexaffabout
Sierra Rayne, Kaya Forest

Notice bibliographique

RevueNature Precedings · 2010
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueWater Quality Monitoring and Analysis
Établissements canadiensOkanagan College
Organismes subventionnairesnon disponible
Mots-clésPartition coefficientOctanolDigital subscriber linePartition (number theory)StatisticsEnvironmental scienceMathematicsData miningComputer scienceChemistryChromatographyCombinatoricsTelecommunications

Résumé

récupéré en direct d'OpenAlex

Abstract The KOWWIN and ALOGPS octanol-water partition coefficient (K~ow~) estimation software programs were compared for their capacity to accurately predict log K~ow~ values of 1545 organic compounds on the publicly available Domestic Substances List (DSL) from Environment Canada for which experimental data is available. Approximately equivalent log K~ow~ error statistics were observed between KOWWIN and ALOGPS against available experimental data. Substantial predictive differences were observed between the two programs for 6529 compounds not having experimental K~ow~ data on the Canadian DSL. Predictive differences of up to 40 log K~ow~ units were found between KOWWIN and ALOGPS, and in some cases, the discrepancies were sufficiently large that strongly opposing hydrophobicity classifications were obtained.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,263
Score d'incertitude au seuil0,650

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
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 Opus0,009
Tête enseignante GPT0,239
Écart entre enseignants0,230 · 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

Citations1
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNature PrecedingsMême sujetWater Quality Monitoring and AnalysisTravaux en français237 207