Jove
Visualize
Contáctanos
JoVE
x logofacebook logolinkedin logoyoutube logo
ACERCA DE JoVE
Visión GeneralLiderazgoBlogCentro de Ayuda JoVE
AUTORES
Proceso de PublicaciónConsejo EditorialAlcance y PolíticasRevisión por ParesPreguntas FrecuentesEnviar
BIBLIOTECARIOS
TestimoniosSuscripcionesAccesoRecursosConsejo Asesor de BibliotecasPreguntas Frecuentes
INVESTIGACIÓN
JoVE JournalMethods CollectionsJoVE Encyclopedia of ExperimentsArchivo
EDUCACIÓN
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab ManualCentro de Recursos para ProfesoresSitio de Profesores
Términos y Condiciones de Uso
Política de Privacidad
Políticas

Videos de Conceptos Relacionados

Molecular Models02:00

Molecular Models

37.5K
Physical models representing molecular architectures of chemical compounds play essential roles in understanding chemistry. The use of molecular models makes it easier to visualize the structures and shapes of atoms and molecules.
37.5K
Predicting Molecular Geometry02:27

Predicting Molecular Geometry

35.7K
VSEPR Theory for Determination of Electron Pair Geometries
35.7K
Molecular Geometry and Dipole Moments02:36

Molecular Geometry and Dipole Moments

13.6K
The VSEPR theory can be used to determine the electron pair geometries and molecular structures as follows:
13.6K
Quantitative Aspects of Drug-Receptor Interaction01:30

Quantitative Aspects of Drug-Receptor Interaction

2.2K
The receptor occupancy theory connects a drug's response to the number of occupied receptors. With higher drug concentrations, more receptors are occupied, leading to increased responses. The formation of drug-receptor complexes involves association and dissociation rates, which reach equilibrium when the forward and backward reactions are equal. The equilibrium association constant (Ka) and its inverse, the equilibrium dissociation constant (Kd), indicate drug affinity. Higher Ka and lower...
2.2K
Structure-Activity Relationships and Drug Design01:28

Structure-Activity Relationships and Drug Design

1.9K
Drug design is a dynamic field that involves discovering and developing new medications based on specific biological targets. This process heavily relies on structure-activity relationships (SAR) and quantitative structure-activity relationships (QSAR) to guide the design and optimization of efficient drugs.
SAR studies the intricate relationship between a drug's chemical structure and biological activity. It focuses on understanding how modifications to a drug's structure can influence...
1.9K
Pharmacokinetic Models: Comparison and Selection Criterion01:26

Pharmacokinetic Models: Comparison and Selection Criterion

490
Physiological and compartmental models are valuable tools used in studying biological systems. These models rely on differential equations to maintain mass balance within the system, ensuring an accurate representation of the dynamic processes at play.
Physiological models take a detailed approach by considering specific molecular processes. They can predict drug distribution, metabolism, and elimination changes, providing a comprehensive understanding of how drugs interact with the body.
490

También podría leer

Artículos Relacionados

Artículos vinculados a este trabajo por autores compartidos, revista y gráfico de citas.

Ordenar por
Same author

Incremental yield of prenatal exome sequencing in fetuses with skeletal system abnormalities: A systematic review and meta-analysis.

Acta obstetricia et gynecologica Scandinavica·2024
Same author

Highly efficient narrow bandgap Cu(In,Ga)Se<sub>2</sub> solar cells with enhanced open circuit voltage for tandem application.

Nature communications·2024
Same author

Single-cell RNA sequencing analysis reveals the role of TXNDC5 in keloid formation.

CytoJournal·2024
Same author

A pan-orthoebolavirus neutralizing antibody encoded by mRNA effectively prevents virus infection.

Emerging microbes & infections·2024
Same author

Protection against cigarette smoke-induced chronic obstructive pulmonary disease via activation of the SIRT1/FoxO1 axis by targeting microRNA-132.

American journal of translational research·2024
Same author

Hyperlipidemia exacerbates acute pancreatitis via interactions between P38MAPK and oxidative stress.

Cellular signalling·2024

Video Experimental Relacionado

Updated: May 1, 2026

In Silico Modeling Method for Computational Aquatic Toxicology of Endocrine Disruptors: A Software-Based Approach Using QSAR Toolbox
05:47

In Silico Modeling Method for Computational Aquatic Toxicology of Endocrine Disruptors: A Software-Based Approach Using QSAR Toolbox

Published on: August 28, 2019

16.3K

Cómo el nivel de optimización de la geometría cuántico-química afecta a los descriptores 3D clásicos y el rendimiento

Jianmin Li1, Rongling Gu2, Shijie Du1

  • 1College of Material and Chemical Engineering, Tongren University, Tongren, 554300, Guizhou, PR China.

Journal of cheminformatics
|February 20, 2026
PubMed
Resumen
Este resumen es generado por máquina.

La optimización de geometría cuántico-química (QM) de nivel superior para estructuras moleculares ofrece ganancias prácticas mínimas en el rendimiento de la relación cuantitativa estructura-actividad (QSAR). A pesar de los diferentes valores del descriptor, los métodos avanzados de QM no mejoran significativamente la precisión predictiva para el descubrimiento de fármacos contra el cáncer en comparación con los métodos de nivel inferior.

Palabras clave:
Descriptores moleculares en 3D.Eficiencia computacional eficiencia computacional.Teoría funcional de la densidad.La relación entre la estructura cuantitativa y la actividad.Métodos de la química cuántica Métodos de la química cuántica Los métodos de la química cuántica incluyen:

Más Videos Relacionados

Assembly and Characterization of Polyelectrolyte Complex Micelles
08:44

Assembly and Characterization of Polyelectrolyte Complex Micelles

Published on: March 2, 2020

10.7K
Quantitative Structure-Activity Relationship, Activity Prediction, and Molecular Dynamics of Non-nucleotide Reverse Transcriptase Inhibitors
10:29

Quantitative Structure-Activity Relationship, Activity Prediction, and Molecular Dynamics of Non-nucleotide Reverse Transcriptase Inhibitors

Published on: May 9, 2025

2.0K

Videos de Experimentos Relacionados

Last Updated: May 1, 2026

In Silico Modeling Method for Computational Aquatic Toxicology of Endocrine Disruptors: A Software-Based Approach Using QSAR Toolbox
05:47

In Silico Modeling Method for Computational Aquatic Toxicology of Endocrine Disruptors: A Software-Based Approach Using QSAR Toolbox

Published on: August 28, 2019

16.3K
Assembly and Characterization of Polyelectrolyte Complex Micelles
08:44

Assembly and Characterization of Polyelectrolyte Complex Micelles

Published on: March 2, 2020

10.7K
Quantitative Structure-Activity Relationship, Activity Prediction, and Molecular Dynamics of Non-nucleotide Reverse Transcriptase Inhibitors
10:29

Quantitative Structure-Activity Relationship, Activity Prediction, and Molecular Dynamics of Non-nucleotide Reverse Transcriptase Inhibitors

Published on: May 9, 2025

2.0K

Área de la Ciencia:

  • Química computacional es la química computacional.
  • La informática química es la informática química.
  • Modelado de la relación estructura-actividad cuantitativa (QSAR) Modelado de la estructura-actividad cuantitativa (QSAR)

Sus antecedentes:

  • Las estructuras moleculares tridimensionales (3D) precisas son cruciales para el modelado cuantitativo de la relación estructura-actividad (QSAR).
  • El impacto de los niveles de optimización de la geometría cuántica-química (QM) en los descriptores 3D clásicos y el rendimiento QSAR sigue sin estar claro.
  • Los descriptores 3D clásicos dependientes de la conformación (Dragon 3D) son ampliamente utilizados en QSAR.

Objetivo del estudio:

  • Para comparar ocho protocolos de optimización de la geometría QM para su efecto en los descriptores 3D y el rendimiento QSAR.
  • Evaluar los beneficios prácticos de aumentar el nivel teórico de gestión de la calidad para el modelado QSAR.
  • Proponer un marco para la selección de métodos pragmáticos en los estudios QSAR.

Principales métodos:

  • Benchmarking de ocho protocolos de optimización de la geometría QM (HF / STO-3G a DFT y métodos compuestos).
  • Evaluación a través de tres conjuntos de datos de actividad contra el cáncer y diez clasificadores de aprendizaje automático.
  • Análisis a nivel de descriptor (desviación, correlación, similitud) y métricas de rendimiento QSAR (precisión equilibrada).

Principales resultados:

  • Los protocolos QM de alta precisión producen espacios de descripción consistentes, mientras que los métodos de nivel inferior introducen variabilidad pero mantienen clasificaciones moleculares.
  • El rendimiento de QSAR solo se ve débilmente afectado por el nivel de QM, con precisiones medias equilibradas que se agrupan estrechamente (0,852-0,871).
  • B3LYP / 3-21G mostró la mayor precisión media equilibrada, pero las diferencias de rendimiento fueron marginales (<1-2%) y estadísticamente insignificantes en relación con el costo computacional.

Conclusiones:

  • El aumento del nivel de optimización de la geometría QM ofrece un beneficio práctico limitado para la fidelidad del descriptor 3D clásico y la precisión predictiva QSAR.
  • Las actualizaciones de QM alteran principalmente los valores del descriptor sin ganancias proporcionales en el poder predictivo, especialmente teniendo en cuenta los costos computacionales.
  • Un marco propuesto de la Relación de Eficiencia Absoluta (REA) ayuda a la selección de métodos pragmáticos al equilibrar el rendimiento y la eficiencia.