Synthesis of Synthetic Musks: A Theoretical Study Based on the Relationships between Structure and Properties at Molecular Scale
Notice bibliographique
Résumé
Synthetic musks (SMs), as an indispensable odor additive, are widely used in various personal care products. However, due to their physico-chemical properties, SMs were detected in various environmental media, even in samples from arctic regions, leading to severe threats to human health (e.g., abortion risk). Environmentally friendly and functionally improved SMs have been theoretically designed in previous studies. However, the synthesizability of these derivatives has barely been proven. Thus, this study developed a method to verify the synthesizability of previously designed SM derivatives using machine learning, 2D-QSAR, 3D-QSAR, and high-throughput density functional theory in order to screen for synthesizable, high-performance (odor sensitivity), and environmentally friendly SM derivatives. In this study, three SM derivatives (i.e., D52, D37, and D25) were screened and recommended due to their good performances (i.e., high synthesizability and odor sensitivity; low abortion risk; and bioaccumulation ability in skin keratin). In addition, the synthesizability mechanism of SM derivatives was also analyzed. Results revealed that high intramolecular hydrogen bond strength, electrostatic interaction, qH+ value, energy gap, and low EHOMO would lead to a higher synthesizability of SMs and their derivatives. This study broke the synthesizability bottleneck of theoretically designed environment-friendly SM derivatives and advanced the mechanism of screening functional derivatives.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».