文献

J-GLOBAL ID：202002211843869806   整理番号：20A1058048

SMD溶媒和モデルとM06密度汎関数族によるlogP予測性能 サンプル6ブラインド予測挑戦分子のための密度汎関数族【JST・京大機械翻訳】

LogP prediction performance with the SMD solvation model and the M06 density functional family for SAMPL6 blind prediction challenge molecules

著者 (3件)： Guan Davy (Pharmacoinformatics Laboratory, Discipline of Pharmacology, School of Medical Sciences, Faculty of Medicine and Health, The University of Sydney, Sydney, NSW, Australia) ,  Lui Raymond (Pharmacoinformatics Laboratory, Discipline of Pharmacology, School of Medical Sciences, Faculty of Medicine and Health, The University of Sydney, Sydney, NSW, Australia) ,  Matthews Slade (Pharmacoinformatics Laboratory, Discipline of Pharmacology, School of Medical Sciences, Faculty of Medicine and Health, The University of Sydney, Sydney, NSW, Australia)
資料名： Journal of Computer-Aided Molecular Design  (Journal of Computer-Aided Molecular Design)
巻： 34  号： 5  ページ： 511-522  発行年： 2020年 
JST資料番号： T0726A  ISSN： 0920-654X  CODEN： JCADEQ  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 本研究では,SAMPL6 LogP予測チャレンジの一部として小蛋白質キナーゼ阻害剤フラグメントのオクタノール-水分配係数を予測するための量子力学モデルを提示した。このモデルは,SMD陰的溶媒和を有するM06-2X汎関数とdef2-SVP基底関数系を用いて溶媒和自由エネルギー差を計算した。このモデルはSAMPL6 Challengeにおけるdqxk4と同定され,SAMPL6ブラインド予測セットにおける11の化合物を予測するために,0.49log Root平均二乗誤差(RMSE)を有する物理的方法カテゴリーにおける第三の最高性能モデルであった。また,最小の追加計算コストでハロゲン化化合物のモデル欠陥に対処するための経験的モデルの使用を共同的に調べた。dqxk4物理的およびhdpuj経験的モデルから成る混合モデルは,SAMPL6データセット上で0.34log RMSEで改善された性能を見出した。この共同混合モデルアプローチは,経験的モデルが,ab initio法がシミュレートするのが困難な化学空間における性能を迅速に改善するために活用できる方法を示している。Copyright Springer Nature Switzerland AG 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 自由エネルギー ,  *溶媒和 ,  ハロゲン化 ,  *汎関数 ,  量子論 ,  ab initio法 ,  基底関数系 ,  *密度汎関数法 ,  計算化学
準シソーラス用語： 蛋白質キナーゼ阻害剤 ,  平均二乗誤差 ,  経験モデル ,  混合モデル ,  予測性能 ,  計算コスト , 【Automatic Indexing@JST】

著者キーワード (5件)： 標本6 ,  LogP ,  計算化学 ,  陰的溶媒和 ,  DFT

分類 (1件)： 分子・遺伝情報処理  (JE15040B)

タイトルに関連する用語 (10件)： SMD ,  溶媒和 ,  モデル ,  密度汎関数 ,  LogP ,  予測性能 ,  サンプル ,  ブラインド ,  予測 ,  分子