| アイテムタイプ |
デフォルトアイテムタイプ（フル）(1) |
| 公開日 |
2026-01-06 |
| タイトル |
|
|
タイトル |
Predicting Substrate Reactivity in Oxidative Homocoupling of Phenols Using Positive and Unlabeled Machine Learning |
|
言語 |
en |
| 作成者 |
Nishii, Takafumi
| en |
Nishii, Takafumi（Personal）
Yokohama National University
|
| ja |
横浜国立大学
|
Search repository
Ichizawa, Kaname
| en |
Ichizawa, Kaname（Personal）
Yokohama National University
|
| ja |
横浜国立大学
|
Search repository
Nagano, Haruka
Mukai, Hiroya
Sakaguchi, Daimon
| en |
Sakaguchi, Daimon（Personal）
Yokohama National University
|
| ja |
横浜国立大学
|
Search repository
Gotoh, Hiroaki
|
| アクセス権 |
|
|
アクセス権 |
open access |
|
アクセス権URI |
http://purl.org/coar/access_right/c_abf2 |
| 権利情報 |
|
|
権利情報Resource |
https://creativecommons.org/licenses/by-nc-nd/4.0/ |
|
権利情報 |
Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International |
|
言語 |
en |
| 内容記述 |
|
|
内容記述タイプ |
Abstract |
|
内容記述 |
A positive and unlabeled machine learning (PU learning) model was trained to predict substrate reactivity in the oxidative homocoupling of phenols under different conditions. We demonstrated its effectiveness by conducting validation using two descriptor sets: 28-dimensional descriptors considered to influence reactivity and extended-connectivity fingerprints. We performed parameter tuning of the model using our experimental data and determined that the optimized parameters provided excellent prediction accuracy for the existing experimental data, regardless of the reaction conditions. Furthermore, the prediction results obtained using 30 types of unlabeled data matched the experimental results for approximately 83.3–86.7% of substrates, and the prediction accuracy of the PU learning model was shown to be superior to that of a model trained with both positive and negative reactivity data. Because negative data are not required to train a PU learning model, it can be applied to reactions reported in many previous studies, informing the cost-effective synthesis of molecules based on model-predicted results. |
|
言語 |
en |
| 出版者 |
|
|
出版者 |
American Chemical Society |
|
言語 |
en |
| 言語 |
|
|
言語 |
eng |
| 資源タイプ |
|
|
資源タイプ識別子 |
http://purl.org/coar/resource_type/c_6501 |
|
資源タイプ |
journal article |
| 出版タイプ |
|
|
出版タイプ |
VoR |
|
出版タイプResource |
http://purl.org/coar/version/c_970fb48d4fbd8a85 |
| 関連情報 |
|
|
関連タイプ |
isIdenticalTo |
|
|
識別子タイプ |
DOI |
|
|
関連識別子 |
https://doi.org/10.1021/acsomega.5c05523 |
| 助成情報 |
|
|
|
識別子タイプ |
e-Rad_funder |
|
|
助成機関識別子 |
1025 |
|
|
助成機関識別子タイプURI |
https://www.e-rad.go.jp/datasets/files/haibunkikan.csv |
|
|
助成機関名 |
Japan Society for the Promotoion of Science |
|
|
言語 |
en |
|
|
助成機関名 |
独立行政法人日本学術振興会 |
|
|
言語 |
ja |
|
|
言語 |
en |
|
|
プログラム情報 |
Grant-in-Aid for Scientific Research |
|
|
言語 |
ja |
|
|
プログラム情報 |
科学研究費助成事業 |
|
|
研究課題番号タイプ |
JGN |
|
|
研究課題番号 |
JP24K08785 |
|
|
研究課題番号URI |
https://kaken.nii.ac.jp/ja/grant/KAKENHI-PROJECT-24K08785/ |
|
|
研究課題名 |
抗酸化性を示す食品成分の解明と網羅的予測 |
|
|
言語 |
ja |
| 収録物識別子 |
|
|
収録物識別子タイプ |
EISSN |
|
収録物識別子 |
2470-1343 |
| 収録物名 |
|
|
収録物名 |
ACS Omega |
|
言語 |
en |
| 巻 |
|
|
巻 |
10 |
| 号 |
|
|
号 |
42 |
| ページ数 |
|
|
ページ数 |
11 |
| 開始ページ |
|
|
開始ページ |
49805 |
| 終了ページ |
|
|
終了ページ |
49815 |
| 日付 |
|
|
日付 |
2025-10-13 |
|
日付タイプ |
Issued |
| 日付 |
|
|
日付 |
2026-01-06 |
|
日付タイプ |
Available |
predicting-substrate-reactivity-in-oxidative-homocoupling-of-phenols-using-positive-and-unlabeled-machine-learning.pdf (4.1 MB)
.png)
