MétaCan
Menu
Retour à la cohorte
Enregistrement W4368341334 · doi:10.26434/chemrxiv-2023-zb599

Accuracy Assessment for Equilibrium Dissociation Constant Using a Single Binding Isotherm

2023· preprint· en· W4368341334 sur OpenAlexafffund
Tong Ye Wang, Jean‐Luc Rukundo, Svetlana M. Krylova, Sergey N. Krylov

Notice bibliographique

RevueChemRxiv · 2023
Typepreprint
Langueen
DomaineComputer Science
ThématiqueComputational Drug Discovery Methods
Établissements canadiensYork University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésLimitingThermodynamicsAKAConstant (computer programming)A priori and a posterioriDissociation (chemistry)Dissociation constantChemistryValue (mathematics)Stability (learning theory)Equilibrium constantApplied mathematicsThreshold limit valueMathematicsStatistical physicsComputer scienceMathematical optimizationBiological systemPhysicsPhysical chemistryStatisticsOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

The equilibrium dissociation constant (Kd) characterizes stability of non-covalent molecular complexes. Determining Kd for highly stable complexes may be extremely inaccurate if the ratio between the concentration of the limiting component (L0) and the a priori unknown value of Kd exceeds an unknown threshold value (aka threshold ratio). The only known approach to reveal this kind of inaccuracy in Kd requires building multiple experimental binding isotherms; it is resource intensive and, therefore, used very rarely. Here we introduce a single-isotherm approach for assessing Kd accuracy via determining the value of L0/Kd, estimating the threshold ratio, and comparing L0/Kd to the threshold ratio. In this proof-of-concept work, we present the theoretical basis and develop a step-by-step algorithm for our single-isotherm approach. We also demonstrate the experimental use of the developed algorithm.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,022
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,034

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,022
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0020,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,140
Tête enseignante GPT0,404
Écart entre enseignants0,264 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueChemRxivMême sujetComputational Drug Discovery MethodsTravaux en français237 207