Utafiti huu unalenga kutabiri nishati sanifu huru ya Gibbs ya mmenyuko kwa uhamishaji rasmi wa atomi ya hidrojeni kati ya vioksidishaji vya fenoli na radikali, bila kurudia seti nzima ya hesabu za kemia ya kwanta kwa kila mfumo mpya. Mkakati mseto uliotumiwa katika utafiti ni mbinu ya uchunguzi wa kikokotozi inayounganisha thamani za ΔG° zilizohesabiwa kwa nadharia ya kifanyiko cha msongamano na viashiria vya kemikali ili kutoa ingizo kwa miundo ya ujifunzaji wa mashine unaosimamiwa. Hifadhidata inajumuisha molekuli 71, maeneo 207 ya mmenyuko, radikali 10, na jumla ya thamani 6210 za ΔG° katika mazingira matatu: awamu ya gesi, maji na benzini. Kati ya miundo iliyojaribiwa, Random Forest ilionyesha utendaji bora zaidi wa kosa kamili, ikiwa na R² ya majaribio ya takribani 0.94 na MAE ya takribani 2.7 kcal mol⁻¹. Hata hivyo, mafanikio hayo yamewekewa mipaka na nafasi ya kemikali iliyochunguzwa; anioni za fenoli, motifu adimu za kimuundo na maeneo ya mmenyuko yasiyowakilishwa vya kutosha ni vyanzo dhahiri vya makosa kwa modeli.

Lengo kuu la kisayansi la utafiti si kuamua moja kwa moja kama molekuli ni “kioksidishaji kizuri” kitabibu au kibayolojia. Kiasi kinachotabiriwa ni nishati sanifu huru ya Gibbs ya mmenyuko, ambayo inawakilisha uwezekano wa kithermodinamiki wa uhamishaji rasmi wa atomi ya hidrojeni. Kwa hiyo, utafiti unatengeneza zana ya kikokotozi inayoweza kufanya uchunguzi wa awali kwa haraka wa utaratibu maalumu wa tabia ya kunasa radikali na sehemu yake ya kithermodinamiki; kinetiki, upatikanaji wa kibayolojia, umetaboli, sumu na ufanisi halisi wa kibayolojia si matokeo ya moja kwa moja ya modeli hii.

Uhamishaji Rasmi wa Atomi ya Hidrojeni (f-HAT) ni Nini?

Uhamishaji rasmi wa atomi ya hidrojeni ni mojawapo ya taratibu za kunasa radikali ambapo protoni moja na elektroni moja huhamishwa kutoka kwa kioksidishaji kwenda kwa radikali kwa namna ambayo jumla yake inalingana na atomi moja ya hidrojeni, hivyo kuirejesha radikali. Katika utafiti huu, uwezo wa misombo ya fenoli wa kunasa radikali ulitathminiwa kithermodinamiki kwa kutumia nishati sanifu huru ya Gibbs ya mmenyuko huu.

Katika utafiti chanzo, mmenyuko wa f-HAT unaonyeshwa kwa ujumla kama ifuatavyo:

\[ H_nA + R^{\bullet} \rightarrow H_{n-1}A^{\bullet} + RH \]

Hapa \(H_nA\) inawakilisha kioksidishaji kinachotoa hidrojeni, \(R^{\bullet}\) radikali ya awali, \(H_{n-1}A^{\bullet}\) bidhaa ya radikali inayotokana na kioksidishaji baada ya kupoteza hidrojeni, na \(RH\) mshirika wa radikali aliyerejeshwa. Lengo la ujifunzaji wa mashine katika utafiti ni thamani ya nishati sanifu huru ya Gibbs ya mmenyuko \( \Delta G^\circ \) iliyohesabiwa kwa mabadiliko haya.

\(\Delta G^\circ\) haiwakilishi tu nguvu ya kifungo cha O–H au C–H, bali tofauti ya jumla ya nishati ya kithermodinamiki kati ya hali za mwanzo na mwisho za mmenyuko. Kwa hiyo, utafiti unaenda zaidi ya upangaji unaotegemea tu nishati ya kutengana kwa kifungo na kujumuisha mchanganyiko mzima wa kioksidishaji maalumu, eneo la mmenyuko, radikali na mazingira katika tatizo la utabiri.

Kwa nini nishati ya kutengana kwa kifungo pekee haikuchukuliwa kuwa ya kutosha?

Nishati ya kutengana kwa kifungo hutoa taarifa muhimu kuhusu nguvu ya kifungo kinachotoa hidrojeni. Hata hivyo, yenyewe haizingatii mshirika wa radikali na haitoi hali ya marejeo inayohitajika kutofautisha moja kwa moja ikiwa mmenyuko maalumu ni eksergoniki au endergoniki. Aidha, nishati ya mmenyuko inaweza kubadilika unapobadilika upolaa wa kiyeyusho. Kwa sababu hiyo, mbinu ya ΔG° katika utafiti huu inazingatia molekuli, eneo la mmenyuko, radikali na mazingira ndani ya tatizo moja la kithermodinamiki.

Kwa Nini Ujifunzaji wa Mashine Ulitumika Katika Utafiti Huu?

Ujifunzaji wa mashine ulitumika kuunda modeli ya haraka ya uchunguzi wa awali ambayo inaweza kupunguza mzigo wa kikokotozi wa hesabu za kikemia za kwanta za ΔG° zinazohitaji kurudiwa kwa idadi kubwa ya michanganyiko ya molekuli, maeneo ya mmenyuko, radikali na mazingira. Kusudi la modeli si kuondoa mekanika ya kwanta, bali kujifunza kutoka kwa data za kemia ya kwanta ili kusaidia kubaini ni mifumo ipi inayopaswa kupewa kipaumbele kwa hesabu za kina zaidi.

Badala ya kuhesabu thamani moja tu kwa molekuli, idadi ya michanganyiko huongezeka haraka pale ambapo kila eneo la mmenyuko lazima litathminiwe dhidi ya radikali tofauti na katika mazingira tofauti. Watafiti walishughulikia tatizo hili kwa kwanza kuunda hifadhidata ya kuaminika ya DFT, kisha kuhamisha ruwaza za kemikali katika hifadhidata hiyo kwenda kwenye ujifunzaji wa mashine.

Hifadhidata ya DFT iliundwaje?

Hifadhidata inajumuisha makundi mawili makuu ya molekuli: anthocyanidins na misombo rahisi zaidi ya fenoli. Kwa anthocyanidins, maeneo ya mmenyuko ya OH na CH yalitathminiwa, ilhali kwa misombo rahisi ya fenoli utafiti ulilenga maeneo ya OH yanayochukuliwa kuwa tendaji zaidi kwa f-HAT. Kwa kuwa maeneo yasiyoshiba ya CH katika fenoli rahisi yanaweza kushiriki katika mmenyuko kupitia taratibu tofauti kama uundaji wa adakti ya radikali, njia hizo ziliachwa nje ya wigo wa utafiti.

Jiometri za molekuli ziliboreshwa kwa kutumia Gaussian16 pamoja na kifanyiko cha msongamano cha meta-hybrid M06-2X na seti ya msingi ya 6-31G(d). Konfoma thabiti zaidi ilichaguliwa, kulingana na hali, kwa kutumia CREST 3.0 au kwa tathmini ya kikemia ya miundo elekezi. Kwa marekebisho ya joto na nishati huru za Gibbs, hesabu za marudio za kiuchanganuzi zilifanywa katika kiwango kilekile cha nadharia; tathmini za mekanika ya takwimu zilifanywa katika 298 K na 1 atm.

Baadaye, hesabu za nishati ya elektroni za nukta moja zilifanywa katika kiwango cha M06-2X/6-311+G(d,p). Mbali na awamu ya gesi, maji yaliwakilisha mazingira ya pola na benzini mazingira yasiyo ya pola; athari za usolvishaji zilishughulikiwa kwa modeli endelevu ya kiyeyusho ya SMD. Kiwango cha pamoja cha hesabu kilichotumiwa na chanzo kinatolewa kama ifuatavyo:

\[ \mathrm{(SMD)\!-\!M06\!-\!2X/6\!-\!311+G(d,p)//M06\!-\!2X/6\!-\!31G(d)} \]

Hatimaye, kwenye molekuli 71, michanganyiko ya jumla ya maeneo 207 ya mmenyuko na radikali 10 tofauti katika mazingira matatu ilitoa nishati sanifu huru za Gibbs za mmenyuko 6210.

Ujifunzaji wa mashine uliona taarifa gani?

Kwa kila molekuli na radikali, kwa kutumia RDKit 2025.03.4, viashiria 106 vya nambari vya kemikali vilihesabiwa. Viashiria hivi viligawanywa katika makundi yanayojumuisha vipengele vinavyohusiana na eneo la uso la van der Waals, vipengele vya kielektroniki, taarifa za kimuundo na kategoria zenye maana ya majaribio. Modeli iliweza kujifunza si tu muundo wa jumla wa kikemia wa molekuli, bali pia eneo la mmenyuko, mshirika wa radikali na mazingira.

Kando na vigezo vya nambari, mazingira, eneo la mmenyuko, radikali, kundi la molekuli na uainishaji wa kimuundo unaotegemea SMILES vilisimbwa kwa one-hot encoding. Sehemu za utambulisho zisizolenga utabiri ziliondolewa, vipengele vilisawazishwa, na mbinu nne za regresha zililinganishwa: regresha ya mstari, Random Forest, Gradient Boosting na regresha ya perceptron ya tabaka nyingi.

Utekelezaji ulifanywa kwenye Python 3.12.7 na scikit-learn 1.7.2. Chanzo kinaripoti kuwa, isipokuwa pale ilipoelezwa vinginevyo, hyperparameter chaguomsingi za scikit-learn zilitumiwa na uboreshaji wa hyperparameter ulifanywa tu kwa modeli iliyofanya vizuri zaidi. PDF kuu haiorodheshi moja baada ya nyingine hyperparameter zote za mwisho za Random Forest iliyoboreshwa iliyochaguliwa; matokeo ya kina ya uboreshaji yalitolewa katika nyenzo ya ziada/hazina ya mtandaoni.

Kwa Nini Uthibitishaji wa Leave-One-Molecule-Out ni Muhimu?

Uthibitishaji wa leave-one-molecule-out hujaribu kupima uwezo wa modeli wa kujumlisha kwa molekuli ambayo haijawahi kuiona kwa kuondoa kwa pamoja maeneo yote ya mmenyuko ya molekuli inayojaribiwa kutoka kwenye data za mafunzo. Ni tathmini kali zaidi kuliko mgawanyo wa nasibu wa safu ambapo maeneo tofauti ya mmenyuko ya molekuli ileile yanaweza kuingia katika seti za mafunzo na majaribio kwa wakati mmoja.

Katika kila mzunguko, moja ya molekuli 71 ilitengwa kabisa kwa majaribio, modeli ikafunzwa kwa molekuli nyingine 70, na rekodi zote za molekuli iliyotengwa zikatabiriwa. Muundo huu hupunguza uwezekano wa taarifa zinazofanana sana zilizojifunzwa kutoka maeneo mengine ya molekuli fulani kuongeza kwa njia bandia alama ya majaribio.

Jaribio la udhibiti lililofanywa katika utafiti linaonyesha tofauti hii moja kwa moja. Katika mgawanyo wa nasibu wa safu unaoruhusu safu tofauti za molekuli ileile kuingia upande wa mafunzo na wa majaribio, modeli iliyoboreshwa ilifikia \(R^2=0.9960\) na MAE \(=0.84\) kcal mol⁻¹. Kwa kulinganisha, tathmini kuu inayotenga molekuli nzima iko katika takribani \(R^2=0.94\) na MAE \(=2.74\) kcal mol⁻¹. Alama ya juu zaidi ya mgawanyo wa nasibu haionyeshi kuwa ujuimlishaji halisi wa modeli ni bora zaidi, bali kwamba tatizo la majaribio limekuwa rahisi zaidi.

Mwinuko wa ujifunzaji ulionyesha nini?

Watafiti waliunda mivinyo ya ziada ya ujifunzaji kwa kubadilisha idadi ya molekuli ili kuchunguza kama utendaji wa juu wa LOMO ulitokana na overfitting katika mkusanyiko mdogo wa data. Kwa molekuli 20, 40, 60 na 70 za mafunzo, thamani za R² za majaribio zilizojumlishwa ziliripotiwa kuwa 0.862, 0.917, 0.933 na 0.943 mtawalia. Mwelekeo wa jumla unaonyesha kuwa utendaji huongezeka kadiri idadi ya molekuli za mafunzo inavyoongezeka na kisha hukaribia eneo la utendaji wa juu.

Mbinu na Matokeo ya Utafiti

Vipimo vya utendaji

Utendaji wa modeli ulitathminiwa kwa vipimo kama R² ya majaribio, wastani wa kosa kamili (MAE), mzizi wa wastani wa mraba wa kosa (RMSE), na mkengeuko sanifu wa utabiri. MAE huonyesha wastani wa ukubwa kamili wa makosa ya utabiri mmoja mmoja, ilhali RMSE huadhibu kwa nguvu zaidi makosa makubwa kwa sababu ya neno la mraba.

Katika chanzo, Mlinganyo (2) umechapishwa kwa namna ifuatayo:

\[ \mathrm{MAE}= \frac{\sum_{i=0}^{N}\left|\mathrm{prediction}(i)-\mathrm{computed}(i)\right|}{N} \]

Na Mlinganyo (3) katika chanzo ni:

\[ \mathrm{RMSE}= \sqrt{ \frac{\sum_{i=1}^{N}\left(\mathrm{prediction}(i)-\mathrm{computed}(i)\right)^2}{N} } \]

Katika milinganyo iliyochapishwa, indeksi ya mwanzo ya jumla ya MAE inaonekana kama \(i=0\), wakati indeksi ya mwanzo ya jumla ya RMSE inaonekana kama \(i=1\). Matini ya Verianla haibadilishi kimyakimya tofauti hii ya uwasilishaji iliyo ndani ya chanzo. Kazi ya kisayansi ya vipimo vyote viwili ni kupima kwa kiasi jinsi utabiri wa modeli unavyopotoka kutoka kwa thamani za marejeo za ΔG° zilizohesabiwa kwa DFT.

Ulinganisho wa algoriti za regresha

Regresha ya mstari iliondolewa kwenye ulinganisho uliofuata kwa sababu ilitoa thamani hasi za R² katika madarasa ya molekuli. Ingawa MLP, Gradient Boosting na Random Forest zilikuwa katika masafa yanayofanana ya R², Random Forest ilifanya vizuri zaidi kwa kosa kamili. Kwa hiyo waandishi walichagua Random Forest kuwa lengo la uboreshaji wa hyperparameter.

Kuna maelezo muhimu hapa: MAE ya modeli iliyoboreshwa yenye seti kamili ya vipengele ni 2.74 kcal mol⁻¹, ilhali jedwali la Random Forest yenye seti kamili ya vipengele kabla ya uboreshaji linaonyesha 2.71 kcal mol⁻¹. Uboreshaji ulileta maboresho madogo hasa katika RMSE, huku R² na MAE zikibaki ndani ya mipaka inayofanana ya makosa. Kwa hiyo, hitimisho kwamba “uboreshaji uliboresha kwa kiasi kikubwa kila kipimo” haliungwi mkono na chanzo.

Thamani ya Takribani 0.94 ya R² ya Modeli ya Random Forest Inapaswa Kutafsiriwaje?

Thamani ya R² ya majaribio ya takribani 0.94 inaonyesha kuwa modeli iliweza kunasa sehemu kubwa ya mabadiliko ya ΔG° yaliyohesabiwa na DFT katika tathmini za leave-one-molecule-out ndani ya nafasi ya kemikali iliyochunguzwa; hata hivyo, thamani hii haithibitishi kwamba modeli itafanya kazi kwa usahihi uleule katika kila familia mpya ya molekuli za kikaboni. Chanzo husisitiza hasa kuwa fold za LOMO zinatoka katika nafasi ileile ya kemikali iliyofafanuliwa na kwamba alama hizi zinapaswa kuchukuliwa kama mpaka wa juu wenye matumaini kwa molekuli zilizo nje ya eneo hilo.

Tofauti hii ni mojawapo ya mipaka muhimu zaidi ya tafsiri katika utafiti. Modeli inaweza kuwa haijaona molekuli mpya moja kwa moja katika seti ya mafunzo; hata hivyo, molekuli ya majaribio bado ni sehemu ya nafasi ya kemikali ya fenoli na anthocyanidin katika hifadhidata. Haijaonyeshwa kuwa kiwango kilekile cha makosa kitaendelea kudumishwa wakati wa kuhamia kwenye vikundi tofauti kabisa vya kikazi, taratibu au familia za molekuli.

Utendaji si sawa katika madarasa ya kemikali

Uchambuzi wa R² kwa madarasa kwenye ukurasa wa 7 unaonyesha wazi utofauti huu. Wakati R² ya jumla ni takribani 0.944, flavonoids ziko takribani 0.977, naphthalenes takribani 0.965 na stilbenes takribani 0.959. Fenoli, kwa upande mwingine, zina utendaji wa chini sana wa takribani 0.669. Darasa la Naphthacene pia lilitoa matokeo ya chini kiasi ya takribani 0.800.

Matokeo haya yanaonyesha kuwa idadi ya sampuli peke yake haielezi mafanikio ya modeli. Baadhi ya madarasa madogo lakini yenye ulinganifu zaidi wa kikemia yanaweza kutabiriwa vizuri, ilhali katika madarasa yenye utofauti mkubwa zaidi makosa yanaweza kubaki juu.

Kwa nini anioni za fenoli zilisababisha tatizo?

Moja ya maeneo muhimu zaidi ya tatizo katika uchambuzi wa makosa wa utafiti ni anioni za fenoli. Oksijeni zenye chaji hasi zinazotokea baada ya deprotonation zinaweza kuunda mipangilio tofauti ya vifungo vya hidrojeni vya ndani ya molekuli katika miundo ya reactant na bidhaa ya radikali. Hifadhidata iliyopo isipowakilisha vya kutosha utofauti huu wa nishati, modeli ya ujifunzaji wa mashine haiwezi kujifunza kwa kuaminika ruwaza hizo za kemikali.

Katika chanzo, kosa ni kubwa hasa kwa darasa la fenoli. Kwenye grafu ya makosa ya darasa katika ukurasa wa 8, fenoli ni miongoni mwa makundi yenye matatizo makubwa zaidi, ikiwa na MAE ya takribani 7.34 kcal mol⁻¹ na RMSE ya 9.70 kcal mol⁻¹. Kwa kulinganisha, flavonoids zinaonyesha MAE ya takribani 1.37 kcal mol⁻¹ na RMSE ya 2.87 kcal mol⁻¹.

Ili kujaribu nafasi ya anioni, watafiti waliondoa sampuli zote za anioni kutoka katika hifadhidata inayofanana na kutumia tena mbinu ileile ya ujifunzaji wa mashine. Katika uchambuzi huu wa ziada bila anioni, MAE ya modeli ambayo haijaboreshwa ilishuka hadi 1.63 kcal mol⁻¹. Matokeo haya yanaunga mkono tafsiri kwamba sehemu kubwa ya kosa la juu inatokana zaidi na uwakilishi wa data uliopo kutofunika vya kutosha hali ngumu za kemikali kuliko kutoka kwenye usanifu wa modeli wenyewe.

Tatizo la eneo adimu la mmenyuko

Chanzo pia huchunguza eneo la mmenyuko O19 katika anthocyanidin fulani iliyoonyeshwa kama ARN kama mfano maalumu wa kosa. Kwa kuwa eneo hili la OH halipo kwa namna inayofanana katika anthocyanidins nyingine kumi na moja, halijawakilishwa vya kutosha katika data za mafunzo. Ukweli kwamba modeli inaonyesha kosa kubwa zaidi, hasa inapokadiria ΔG° ya eneo hili katika mazingira ya maji, ni mfano halisi wa kwa nini motifu adimu za kikemia za eneo la karibu zinaweza kuwa tatizo kwa modeli inayotegemea data.

Ni Vipengele Gani vya Kemikali Vinavyoamua Zaidi Utabiri wa Modeli?

Uchambuzi wa umuhimu wa vipengele unaonyesha kuwa modeli haijifunzi tu kutoka kwa umbo la jumla la molekuli; inatumia kwa pamoja taarifa zinazoweza kutafsiriwa kikemia, kama vipengele vya kielektroniki, eneo la mmenyuko, familia ya molekuli na mshirika wa radikali. Kipengele kimoja chenye nguvu zaidi ni chaji ya sehemu yenye thamani kamili ya juu zaidi ya radikali; vipengele vya kielektroniki na vya majaribio/eneo-kundi vina nafasi kubwa katika umuhimu wa jumla.

Vipengele vinapowekwa katika makundi kwa aina, inaripotiwa kuwa vipengele vya kielektroniki na vya majaribio vinaunda zaidi ya asilimia 60 ya umuhimu wa jumla wa vipengele, huku vipengele vya kimuundo na aina ya VSA vikichangia kwa pamoja takribani asilimia 30. Pia inaelezwa kuwa viashiria vya majaribio vinavyohusiana na eneo la mmenyuko pekee vinachangia takribani asilimia 20 ya umuhimu wa jumla.

Umuhimu mkubwa wa chaji ya sehemu yenye thamani kamili ya juu zaidi ya radikali unaeleweka kikemia; radikali ni mojawapo ya reactant mbili za moja kwa moja za mmenyuko, na radikali tofauti zinaweza kubadilisha ΔG° kwa utaratibu. Hata hivyo, waandishi wanasisitiza kuwa umuhimu wa utambulisho wa radikali pekee hautoi maelezo kamili ya kimekanika kuhusu uwezo wa molekuli maalumu ya kioksidishaji wa kunasa radikali.

Vipengele vinavyofuata, kama kiashiria cha kundi la fenoli na Hall–Kier alpha, vinaashiria kwamba modeli hunufaika na ruwaza katika familia zinazofanana za molekuli na topolojia ya jumla ya molekuli. Hali hii pia inaeleza kwa nini modeli ya sasa haina utendaji uliothibitishwa katika familia za molekuli zilizo mbali sana na nafasi ya kemikali ya fenoli iliyo katika hifadhidata ya sasa.

Hitimisho linaloungwa mkono na utafiti

Utafiti unaunga mkono kwamba, katika nafasi iliyofafanuliwa ya data ya fenoli/anthocyanidin iliyoundwa kwa DFT, modeli ya Random Forest inayotumia viashiria vya RDKit na taarifa za kikemia za kategoria inaweza kutabiri nishati sanifu huru za Gibbs za mmenyuko wa f-HAT katika uthibitishaji wa leave-one-molecule-out kwa takribani R² ya 0.94 na MAE ya takribani 2.7 kcal mol⁻¹. Pia inaonyeshwa kuwa vipengele vya kielektroniki, eneo la mmenyuko, kundi la molekuli na vipengele vya kimuundo vinavyoweza kutafsiriwa kikemia vina nafasi muhimu katika utabiri.

Hitimisho lisiloungwa mkono na utafiti

Matokeo haya hayaonyeshi kwamba ufanisi wa kioksidishaji wa molekuli yoyote ya kikaboni unaweza kutabiriwa kwa usahihi uleule. Utafiti haupimi ufanisi wa kioksidishaji katika kiumbe halisi, manufaa ya kliniki, sifa za famakokinetiki, sumu au mafanikio ya matibabu. Modeli inatabiri nishati ya kithermodinamiki ya utaratibu wa f-HAT; haijifunzi moja kwa moja viwango vya kasi ya kinetiki na haimodeli taratibu nyingine za kunasa radikali ndani ya lengo hili.

Vilevile, kuwa kwa MAE ya 2.74 kcal mol⁻¹ karibu na marejeo ya usahihi wa kikemia wa DFT ya takribani 2 kcal mol⁻¹ yaliyotolewa na waandishi hakumaanishi kwamba modeli ya ujifunzaji wa mashine inazalisha tena maudhui yote ya kifizikia ya DFT. Modeli ni surrogati inayoendeshwa na data ambayo inakadiria kwa takribani matokeo ya DFT yaliyohesabiwa katika hifadhidata maalumu.

Maana ya kisayansi

Thamani kuu ya mbinu hii mseto si kuweka njia ya mkato isiyo na masharti badala ya hesabu ghali za kemia ya kwanta, bali kuunda tabaka la uchunguzi wa awali linaloweza kutafsiriwa na ambalo linaweza kutathmini kwa haraka ni molekuli zipi na maeneo yapi ya mmenyuko yanayoweza kupewa kipaumbele kwa uchunguzi wa kina zaidi wa DFT katika makundi makubwa ya watahiniwa.

Hifadhidata inapopanuliwa kwa familia mpya za kemikali, maeneo zaidi adimu ya mmenyuko na hasa mifumo ya anioni ambayo modeli ya sasa ina shida nayo, uwezo wa kujumlisha unapaswa kupimwa tena. Matokeo ya utafiti wenyewe yanaonyesha kuwa kuongeza data yenye utofauti mkubwa zaidi kunaweza kuwa muhimu kuliko kuongeza tu idadi ya sampuli.

Maelezo ya Chanzo na Mbinu

Utafiti asilia: A Hybrid Machine Learning and Quantum Mechanical Strategy for Predicting Radical Scavenging Potential

Waandishi: Davide Zeppilli, José Ferraz-Caetano, M. Natália D. S. Cordeiro na Laura Orian. Davide Zeppilli na José Ferraz-Caetano ni waandishi waliochangia kwa kiwango sawa. M. Natália D. S. Cordeiro na Laura Orian ni waandishi wa mawasiliano.

Taasisi: Dipartimento di Scienze Chimiche, Università di Padova, Padova, Italia; LAQV-REQUIMTE, Department of Chemistry and Biochemistry, Faculty of Sciences, University of Porto, Porto, Ureno.

Jarida: AI Chem.

Mchapishaji: MDPI.

Rekodi ya bibliografia: AI Chem. 2026, 1(2), 8.

DOI: 10.3390/aichem1020008

Tarehe: Ilipokelewa 2 Februari 2026; marekebisho 19 Machi 2026; ilikubaliwa 7 Mei 2026; ilichapishwa 15 Mei 2026.

Aina ya chanzo na mapitio rika: Makala asilia ya utafiti iliyopitiwa na rika; toleo rasmi la mchapishaji.

Leseni: PDF ya chanzo inatambua makala kuwa ya ufikiaji wazi chini ya leseni ya Creative Commons Attribution (CC BY). Matini hii ya Verianla si tafsiri kamili wala uzalishaji wa karibu wa maandishi ya makala chanzo; ukweli wa kisayansi, mbinu, nambari na mipaka imepangwa upya katika muundo huru wa kielimu.

Itifaki kuu ya kikokotozi: Uboreshaji wa jiometri M06-2X/6-31G(d); hesabu ya marudio ya kiuchanganuzi na tathmini ya thermokemia katika 298 K, 1 atm; hesabu za nukta moja M06-2X/6-311+G(d,p); modeli ya usolvishaji ya SMD kwa maji na benzini; mazingira ya marejeo ya awamu ya gesi.

Miundombinu ya ujifunzaji wa mashine: RDKit 2025.03.4, Python 3.12.7 na scikit-learn 1.7.2. Hifadhidata ina molekuli 71, maeneo 207 ya mmenyuko, radikali 10, mazingira matatu na rekodi 6210 za ΔG°. Viashiria 106 vya nambari vya RDKit na vipengele vya kategoria vya one-hot vilitumika.

Tathmini: Tathmini kuu ya modeli ilifanywa kwa itifaki ya leave-one-molecule-out. Mgawanyo wa nasibu wa safu ulitumika tu kama udhibiti wa kulinganisha, na ilionyeshwa kwamba kusambazwa kwa molekuli ileile kati ya upande wa mafunzo na wa majaribio huongeza utendaji kwa kiasi kikubwa.

Upatikanaji wa data: Waandishi wanaripoti kuwa mikusanyiko ya data, msimbo na modeli zilizofunzwa zinazounga mkono matokeo ya utafiti zinapatikana bila malipo katika hazina ya GitHub ya mtandaoni. Hali ya leseni ya maudhui ya Repository inapaswa kutathminiwa kwa kujitegemea na leseni ya CC BY ya makala kuu.

Ufadhili: Utafiti uliungwa mkono na Università di Padova na FCT/MECI kupitia fedha za kitaifa za Ureno, ndani ya mradi UID/50006/2025 kwa LAQV-REQUIMTE. Aidha, msaada wa CINECA kwa rasilimali za kikokotozi na ufadhili wa shahada ya uzamivu wa José Ferraz-Caetano umetajwa kando katika chanzo.

Mgongano wa maslahi: Waandishi hawakuripoti mgongano wa maslahi na walieleza kuwa wafadhili hawakuwa na nafasi katika usanifu wa utafiti, uchanganuzi wa data, tafsiri, uandishi au uamuzi wa kuchapisha.

Kizuizi kikuu cha kimbinu: Hata kama molekuli za tathmini hazikuonekana wakati wa mafunzo, bado ziko ndani ya nafasi ileile ya jumla ya kemikali. Anioni za fenoli, maeneo adimu ya mmenyuko na madarasa ya molekuli yenye utofauti ni vyanzo dhahiri vya makosa. Kwa hiyo, utendaji wa LOMO ulioripotiwa si thamani ya jumla ya mafanikio iliyothibitishwa kwa molekuli zilizo nje ya nafasi ya sasa ya kemikali ya fenoli/anthocyanidin.

Mpaka wa tafsiri ya kisayansi: Utafiti ni kazi ya thermodinamiki ya kikokotozi na ujifunzaji wa mashine. Matokeo hayapaswi kutafsiriwa kama ushahidi wa moja kwa moja wa ufanisi halisi wa kibayolojia wa kioksidishaji, ufanisi wa kliniki au usalama wa kimatibabu.