MétaCan
Menu
Retour à la cohorte
Enregistrement W7161969529 · doi:10.82308/46922

The road to virtual chemistry: computer-aided molecular design skirting the boundary between structure and Ligand-based approaches

2016· dissertation· en· W7161969529 sur OpenAlexaboutno aff
Joshua Pottel

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineMaterials Science
ThématiqueMachine Learning in Materials Science
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésToolboxRationalization (economics)Computational modelSoftwareProcess (computing)Interface (matter)Rigour

Résumé

récupéré en direct d'OpenAlex

Novel synthetic methodologies that are effective, environmentally friendly and efficient are becoming ever increasingly difficult to design. In fact, the development of such techniques is often labor-intensive, wasteful and costly. Several years ago, instrumental techniques, such as nuclear magnetic resonance, high performance liquid chromatography and mass spectrometry, were integrated into the chemistry toolbox and their maturity significantly accelerated the process of synthetic discovery. Surprisingly and contrastingly, computational advances have not yet been incorporated as far as the imagination can take them. Fifty years after Gordon E. Moore, the co-founder of Intel, first predicted a yearly two-fold expansion of computational power, we are attaining its peak, and yet information technologies are still under-utilized in chemical settings. Until now, computational techniques employed in designing chemical and biochemical synthesis have been merely a tease. Expanding the abilities of computational molecular discovery methods is an attractive solution to exploring a vast amount of unknown synthetic approaches. Furthermore, making these virtual methodologies accessible to the organic and medicinal chemistry communities will allow them to reach their full potential. Currently, only a handful of research groups in Canada truly blend computational and organic chemistry and often in a rationalization capacity rather than as a design strategy. This thesis describes efforts to develop new computational design approaches for small molecules and biological structures and apply them to organo- and biocatalytic research programs. A contemporary perspective on software programs is required for their inclusion in the chemistry toolbox for several reasons. Currently, hundreds, if not thousands, of computational chemistry software packages exist; however, in most cases, it is only the developers that make use of these tools, the ones that simulate chemical phenomena, as opposed to visualization software suites. A significant lack of usability – simplicity in running routine experiments – is likely one of the largest causes for this disappointing reality. Accurate results are also necessary to build trust from the experimental chemistry community. These issues were the focus of this work to demonstrate that the integration of computational tools within organic chemistry is not only plausible, but increasingly valuable when no advanced, expert training is necessary.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Communication savante
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,048
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0020,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,251
Écart entre enseignants0,236 · 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 tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMachine Learning in Materials ScienceTravaux en français237 207