国家整体能源识别 (SEER):一个混合气相分子电荷状态预测器
Mithony Keng1, Kenneth M Merz1,2
1Department of Chemistry, Michigan State University, East Lansing, Michigan 48824, United States.
新的机器学习工具SEER准确地预测了质谱仪的离子电荷状态,改善了结构分析和药物完整性. 它为复杂系统提供了高效和可访问的计算建模.
科学领域:
- 计算化学是一种计算化学.
- 生物物理化学 生物物理化学
- 机器学习 机器学习
背景情况:
- 从质谱学 (MS) 准确的三维结构确定对于分析物识别,属性分析和药物完整性至关重要.
- 对于离子移动性的现有计算方法,由于可定位站点的计算成本增加,MS在大型系统的吞吐量方面陷入困境.
- 预测正确的离子电荷状态对于准确的结构建模至关重要.
研究的目的:
- 介绍SEER (State Ensemble Energy Recognition),一个用户友好的机器学习程序,用于高效和准确地预测MS相关离子中的平衡电荷状态.
- 解决在建模大型分子系统时需要更高吞吐量计算软件的需求.
- 提高用于质谱数据分析的电荷状态预测的准确性和效率.
主要方法:
- 开发了SEER,这是一款利用电荷状态建模和能量评分的机器学习程序.
- 在各种系统上测试了SEER,将其性能与已有的软件 (CREST,Epik经典) 进行比较.
- 评估了SEER预测最低相对能量最低充电状态的能力,并评估了由此产生的碰撞横截面 (CCS) 实验错误.
主要成果:
- 在所有测试系统的前两个预测中,SEER成功地确定了最低相对能量最低充电状态.
- 被SEER分配的充电状态导致CCS实验错误在可接受的值 (≤3%) 之内.
- SEER表现出具有竞争力的效率和与CREST和Epik经典的负荷状态预测相匹配或优于其性能.
结论:
- SEER提供了一个准确而有效的解决方案,用于预测MS相关离子的平衡电荷状态.
- 该程序不需要额外的用户编程,可以通过Google Colab访问,从而促进更广泛的采用.
- 在质谱仪应用中,SEER提高了结构分析和杂质测试的可靠性.
更多相关视频
08:54Vibrational Spectra of a N719-Chromophore/Titania Interface from Empirical-Potential Molecular-Dynamics Simulation, Solvated by a Room Temperature Ionic Liquid
Published on: January 25, 2020
16:11Thermochemical Studies of NiII and ZnII Ternary Complexes Using Ion Mobility-Mass Spectrometry
Published on: June 8, 2022
相关概念视频
Electrospray Ionization (ESI) Mass Spectrometry
ESI utilizes electrical energy to transfer ions from the liquid phase of the sample into the...
Free Energy Changes for Nonstandard States
where R is the gas constant (8.314 J/K·mol), T is the absolute temperature in kelvin, and Q is the reaction quotient. This equation may be used to predict the spontaneity of a process under any given set of conditions.
Reaction Quotient...
Energy Associated With a Charge Distribution
VSEPR Theory and the Basic Shapes
Chemical Ionization (CI) Mass Spectrometry
Potential-Energy Criterion for Equilibrium
