Bridging the Gap between Differential Mobility, Log <i>S</i>, and Log <i>P</i> Using Machine Learning and SHAP Analysis
Notice bibliographique
Résumé
Aqueous solubility, log S, and the water–octanol partition coefficient, log P, are physicochemical properties that are used to screen the viability of drug candidates and to estimate mass transport in the environment. In this work, differential mobility spectrometry (DMS) experiments performed in microsolvating environments are used to train machine learning (ML) frameworks that predict the log S and log P of various molecule classes. In lieu of a consistent source of experimentally measured log S and log P values, the OPERA package was used to evaluate the aqueous solubility and hydrophobicity of 333 analytes. With ion mobility/DMS data ( e.g., CCS, dispersion curves) as input, we used ML regressors and ensemble stacking to derive relationships with a high degree of explainability, as assessed via SHapley Additive exPlanations (SHAP) analysis. The DMS-based regression models returned scores of R 2 = 0.67 and RMSE = 1.03 ± 0.10 for log S predictions and R 2 = 0.67 and RMSE = 1.20 ± 0.10 for log P after 5-fold random cross-validation. SHAP analysis reveals that the regressors strongly weighted gas-phase clustering in log P correlations. The addition of structural descriptors ( e.g., # of aromatic carbons) improved log S predictions to yield RMSE = 0.84 ± 0.07 and R 2 = 0.78. Similarly, log P predictions using the same data resulted in an RMSE of 0.83 ± 0.04 and R 2 = 0.84. The SHAP analysis of log P models highlights the need for additional experimental parameters describing hydrophobic interactions. These results were achieved with a smaller dataset (333 instances) and minimal structural correlation compared to purely structure-based models, underscoring the value of employing DMS data in predictive models.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,001 | 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 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 ».