MétaCan
Menu
Retour à la cohorte
Enregistrement W4394569006 · doi:10.26434/chemrxiv-2024-v10t8

ABC of Kd Accuracy

2024· preprint· en· W4394569006 sur OpenAlexaff
Tong Ye Wang, Jean‐Luc Rukundo, Zhiyuan Mao, Sergey N. Krylov

Notice bibliographique

RevueChemRxiv · 2024
Typepreprint
Langueen
DomaineComputer Science
ThématiqueComputational Drug Discovery Methods
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésSystematic errorLimitingDissociation (chemistry)ChemistryAccuracy and precisionRegressionLinear regressionStatisticsComputer scienceEconometricsMathematicsEngineering

Résumé

récupéré en direct d'OpenAlex

The equilibrium dissociation constant (Kd) is a major characteristic of affinity complexes and one of the most frequently determined physicochemical parameters. Despite its significance, the values of Kd obtained for the same complex under similar conditions often exhibit considerable discrepancies and sometimes vary by orders of magnitude. These inconsistencies highlight the susceptibility of Kd determination to large systematic errors, ultimately leading to misconceptions and significant misallocation of research and development resources. It is imperative to both minimize and quantitatively assess the systematic errors inherent in Kd determination. Traditionally, Kd values are determined through nonlinear regression of binding isotherms. This analysis utilizes three variables: concentrations of two reactants and a fraction R of unbound limiting reactant. The systematic errors in Kd arise directly from systematic errors in these variables. In this study, we thoroughly analyze the sources of systematic errors within these variables, aiming to mitigate their impact on Kd accuracy. Through this analysis, we illustrate how each source contributes to inaccuracies in Kd determination. Additionally, we propose a method for quantitatively assessing the confidence interval of systematic errors in concentrations, a crucial step towards quantitatively evaluating Kd accuracy. While presenting original findings, this paper also reiterates the fundamentals of Kd determination, hence, guiding researchers across all proficiency levels. By shedding light on the sources of systematic errors and offering strategies for their mitigation, our work will help researchers to enhance the accuracy of Kd determination thereby making binding studies more reliable.

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)0,036
score de la tête « metaresearch » (Gemma)0,232
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: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,036
Score d'incertitude au seuil0,190

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0360,232
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0030,002
Bibliométrie0,0050,004
Études des sciences et des technologies0,0020,003
Communication savante0,0090,006
Science ouverte0,0050,006
Intégrité de la recherche0,0030,005
Charge utile insuffisante (le modèle a refusé de juger)0,0070,005

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 Opus0,043
Tête enseignante GPT0,349
Écart entre enseignants0,306 · 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
GenreMéthodes

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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChemRxivMême sujetComputational Drug Discovery MethodsTravaux en français237 207