Efficient and accurate density-based prediction of macromolecular polarizabilities
Notice bibliographique
Résumé
Accurately and efficiently predicting macromolecules' polarizabilities is an open problem. In this work, we employ a few simple density-based quantities from the information-theoretic approach (ITA) to predict polarizability of proteins. We first build quantitative structure/property relationships between molecular polarizabilities and ITA quantities. We then verify the broad applicability of ITA quantities for polarizability prediction for inorganic, organic, and biological systems with both localized and delocalized electronic structure. As a proof-of-concept application, we predict the molecular polarizabilities of complex proteins. Based on the linear regression equations for 20 natural amino acid residues, 400 dipeptides, and 8000 tripeptides, one then predicts the molecular polarizability of a larger peptide or even a protein once the molecular wavefunction is obtained. Because it is extremely costly to determine the wavefunction for a macromolecule like a protein, we propose to combine the ITA with the linear-scaling generalized energy-based fragmentation (GEBF) method to predict the macromolecular polarizability. In GEBF, the total molecular polarizability is obtained as a linear combination of the corresponding quantities from a series of small subsystems. We can predict them based on the subsystem wavefunction and linear regression equations rather than compute them from the nearly-intractable coupled-perturbed Hartree-Fock or Kohn-Sham equations for the whole macromolecule. Computational results showcase that the GEBF-ITA protocol should be an inexpensive yet accurate theoretical tool for predicting macromolecular polarizabilities.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| 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 | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».