用离子流动性质谱和机器学习对主机-客户端拓进行分类
Quentin Duez1, Charlotte Lefebvre1, Julien De Winter1
1Organic Synthesis and Mass Spectrometry Laboratory, University of Mons, Place du Parc 23, 7000 Mons, Belgium.
这项研究结合了离子移动性质谱法 (IMS-MS),密度函数理论 (DFT) 和机器学习来预测宿主-客户复杂拓. 这种方法成功地分类了结合模式,有助于超分子组件设计.
科学领域:
- 超分子化学 超分子化学
- 计算化学的计算化学
- 分析化学 分析化学
背景情况:
- 了解宿主-客客复杂拓对于设计超分子组件至关重要.
- 数据驱动的方法在预测分子相互作用方面越来越成功.
研究的目的:
- 评估使用IMS-MS,DFT特色化和机器学习的综合方法.
- 为了预测和分类黄素[6]uril (CB6) 和胺客体复合物的结合模式.
主要方法:
- 离子移动性质谱 (IMS-MS) 用于实验数据.
- 密度函数理论 (DFT) 用于分子描述器生成.
- 在DFT和IMS-MS数据上训练的机器学习回归模型.
主要成果:
- 一个回归模型准确地预测了各种宿主-客群的碰撞横截面 (CCS).
- 预测的CCS值自然分为不同的组,使得拓分类.
- 该方法证明了对主机-客户端拓学的有效捕获.
结论:
- 结合的DFT特征化和IMS-MS方法为预测主机-客户端拓提供了一个强大的框架.
- 这种方法促进了超分子组件的数据驱动设计.
- 这项研究强调了整合计算和实验技术的力量.
更多相关视频
16:40T-wave Ion Mobility-mass Spectrometry: Basic Experimental Procedures for Protein Complex Analysis
Published on: July 31, 2010
08:56Detection of Regulated Ergot Alkaloids in Food Matrices by Liquid Chromatography-Trapped Ion Mobility Spectrometry-Time-of-Flight Mass Spectrometry
Published on: November 22, 2024
相关概念视频
Mass Spectrometry: Complex Analysis
GC–MS is a powerful hyphenated method commonly used in forensics and environmental...
MALDI-TOF Mass Spectrometry
Matrix-assisted laser desorption ionization (MALDI) is a commonly...
High-Resolution Mass Spectrometry (HRMS)
Mass Analyzers: Common Types
Mass Spectrometry: Overview
Mass Spectrometers
