Please use this identifier to cite or link to this item: https://hdl.handle.net/20.500.14123/239
Original TitleQSBR models for ionic liquids based on OECD 301D data, 2023, V1
Handle20.500.14123/239
Kinds of DataModels / Modellings
Resource TypeDataset
CreatorAmsel, Ann-Kathrin  0000-0003-1097-4063 (Institut für Nachhaltige Chemie (INSC), Leuphana Universität Lüneburg  02w2y2t16)
Kümmerer, Klaus  0000-0003-2027-6488  118066382 (Institut für Nachhaltige Chemie (INSC), Leuphana Universität Lüneburg  02w2y2t16)
Olsson, Oliver  0000-0003-0082-1442 (Institut für Nachhaltige Chemie (INSC), Leuphana Universität Lüneburg  02w2y2t16)
Chakravarti, Suman  0000-0001-7745-8747 (MultiCASE Inc.)
Description of the DatasetEs wurden fünf fragmentbasierte QSBR Modelle (Quantitative structure-biodegradability-relationship) für ionische Flüssigkeiten in der MultiCASE FlexFilters Plattform auf Basis von OECD 301D-Daten entwickelt. Zwei Datensätze, set_IL und set_ILNI, wurden erstellt. Diese unterscheiden sich darin, dass set_IL ausschließlich ionische Flüssigkeiten (Ils) enthielt, während set_ILNI zusätzlich zu den ionischen Flüssigkeiten organische Anionen in Kombination mit anorganischen Kationen und nicht-ionische Substanzen enthielt. Außerdem enthielt set_IL Stereoisomere für die ionischen Flüssigkeiten, die am Institut für Nachhaltige Chemie (INSC) der Leuphana Universität Lüneburg getestet wurden. Diese wurden in set_ILNI zu einer ionischen Flüssigkeit zusammengefasst. Set_IL und set_ILNI wurden in einen Trainingssatz mit 233 bzw. 321 Substanzen und einen Testsatz mit 26 bzw. 36 Substanzen unterteilt. Das Regressionsverfahren der kleinsten Quadrate (engl. ordinary least squares, OLS) wurde verwendet, um Modelle zu bauen, die einen kontinuierlichen Bioabbauwert vorhersagen. Logistische Regression (engl. logistic regression, LR) wurde für Modelle, die eine Klassifizierung in bioabbaubar/nicht bioabbaubar vornehmen, angewendet. Als Deskriptoren wurden einerseits Strukturfragmente auf Basis von Extended-Connectivity Fingerprints (ECFP) und andererseits Elemente des von Chakravarti (2018) entwickelten Fingerabdrucks (Distrib_FP_600) verwendet. Die für den Bioabbau relevanten Fragmenten, die als Deskriptoren dienten, wurden anhand der L1 Regularisierung ausgewählt. Die Strukturfragmente auf Basis der ECFP werden in den Modellen als Alert angegeben. Die fünf Modelle unterscheiden sich im Trainingsdatensatz, den Deskriptoren und dem Regressionsverfahren. Eine interne und externe Validierung wurde durchgeführt. Die Daten zeigen die verwendeten Deskriptoren, die zugehörigen Regressionskoeffizienten und die Validierung.
MethodsModeling
KeywordsBiologische Abbaubarkeit; Nachhaltige Chemie; Ionische Flüssigkeiten; Grüne Chemie; Modellierung; Biodegradability; Sustainable Chemistry; Ionic Liquids; Green Chemistry; Modeling
Thematic ClassificationGreen Chemistry
Published byMedien- und Informationszentrum, Leuphana Universität Lüneburg
Superordinate Data Collection Daten PhD Ann-Kathrin Amsel (INSC, 2019-2024)
Related Resources Relations of the dataset

Items in PubData are protected by copyright, with all rights reserved, unless otherwise indicated.

Citation formats