尽管不同数据集的情况各不相同,但在最近的一项合作项目中,对于大约370种新型制药化合物的约600个pKa值,预测准确性提高了120%。这个版本在性能、可靠性和速度方面真正代表了ACD/Labs的下一代pKa预测的领先水平。” ACD/Percepta-pKa Classic预测模型2023版本更新介绍 01“表观pKa”计算速度的提高 您会注意到,“表观...
建立良好的pKa预测模型面临以下挑战: (1) 化合物构象灵活性, 有些化合物分子存在同分异构体或能够形成分子内氢键, 会显著影响其pKa值[39,40]; (2) 含有多个解离官能团, 因为要考虑micro-pKas, 使得pKa的预测变得更加复杂; (3) 可获得的用于建 立模型的pKa实验值. 尽管有些物质, 比如苯酚或羧 酸已有很多...
3.2 MF-SuP-pKa在micro-pKa预测中的表现 micro-pKa预测是一个多步pKa预测的过程,此外,准确预测互变异构体对于建模蛋白质-配体的相互作用是很重要的。如图4所示,作者比较了SAMPL6数据集上micro-pKa模型预测的主要电离位点和专家标记的位点,体现了该方法预测准确性。 图4 SAMPL6数据集上MF-SuP-pKa的预测结果 3.3 ...
MF-SuP-pKa:使用子图池化方法结合近似建模来预测化合物pka属性值mp.weixin.qq.com/s?__biz=MzkzNjIzMTU0Nw==&mid=2247536447&idx=1&sn=faf5fc7c2b870e20c1a44f644ae14d92&chksm=c2a3d82bf5d4513d8d777016a34131e092bf01d0015cb080a978347d5bd315169b2e09281d0e&token=643733553&lang=zh_CN#rd 今天...
机器学习精准预测化合物pKa!清华大学罗三中团队Angew. Chem. 导读 酸解离常数(pKa)是最重要的有机化学基础数据之一,是衡量化合物解离氢质子能力的热力学标度,其在合成化学、生物化学、药物化学、精细化工等诸多领域均有重要应用。 跳转阅读→ 虽然目前已有近两万个化合物的35000个pKa实验数据被报道(iBond数据库统计),...
01“表观pKa”计算速度的提高 在新版中，“表观pKa”值的计算速度显著提高，达到5-10倍，与实验观察到的pKa值等效。在进行批量计算和分析具有多个可电离中心的化合物时，这种提速尤为显著。02 更准确地预测扩展化学空间中的pKa 通过训练集的显著扩展，用户可以更加信任计算结果。改进包括：下图（图1）...
该预测模型可以实现不同溶剂中化合物pKa的同时预测,并能够对包括O-H、N-H、C-H在内的各种不同酸性氢进行准确的pKa预测,精度可达到0.87pK单位。 团队分别选择了若干药物分子和小分子催化剂对水相及有机相的预测能力进行了测试,研究表明对药物...
在色谱方法开发时,对于化合物pKa值的获取并不要求十分准确,通过它的酸碱基团可以计算得到。表1为常见基团的pKa值估算。 比如苯甲酸,它的pKa软件预测为4.1,通过表1可得到芳香族羧酸为4.0,结果接近。比如苯乙胺,软件预测pKa为9.3,表1得到近似值10.0。苯胺,软件预测pKa为4.6,通过表1得到近似值5.0。
利用机器学习精准预测化合物pKa,酸解离常数(pKa)是最重要的有机化学基础数据之一,是衡量化合物解离氢质子能力的热力学标度,其在合成化学、生物化学、药物化学、精细化工等诸多领域均有重要应用。
可以的，首选利用选取工具，双击化合物任何部位选中该化合物，点击view，选择Show Analysis Window，跳出一个小窗口，里面便是这个化合物的质谱、分子式、元素分析以及分子量数据，包括pka。当然我们还可以把这些数据粘贴到化合物下面，点击paste即可，粘贴的数据如下，这样我们就分析完毕了，教程参考http://...