Chemical Space Covered by Applicability Domains of Quantitative Structure–Property Relationships and Semiempirical Relationships in Chemical Assessments
Notice bibliographique
Résumé
A significant number of chemicals registered in national and regional chemical inventories require assessments of their potential "hazard" concerns posed to humans and ecological receptors. This warrants knowledge of their partitioning and reactivity properties, which are often predicted by quantitative structure-property relationships (QSPRs) and other semiempirical relationships. It is imperative to evaluate the applicability domain (AD) of these tools to ensure their suitability for assessment purpose. Here, we investigate the extent to which the ADs of commonly used QSPRs and semiempirical relationships cover seven partitioning and reactivity properties of a chemical "space" comprising 81,000+ organic chemicals registered in regulatory and academic chemical inventories. Our findings show that around or more than half of the chemicals studied are covered by at least one of the commonly used QSPRs. The investigated QSPRs demonstrate adequate AD coverage for organochlorides and organobromines but limited AD coverage for chemicals containing fluorine and phosphorus. These QSPRs exhibit limited AD coverage for atmospheric reactivity, biodegradation, and octanol-air partitioning, particularly for ionizable organic chemicals compared to nonionizable ones, challenging assessments of environmental persistence, bioaccumulation capability, and long-range transport potential. We also find that a predictive tool's AD coverage of chemicals depends on how the AD is defined, for example, by the distance of a predicted chemical from the centroid of the training chemicals or by the presence or absence of structural features.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 ».