Mnova软件 - NMR Predict

Mnova NMRPredict是Mnova产品架构中的一个基础插件，主要功能是从化学结构提供快速准确的核磁共振谱预测。

它使用了集成核磁共振预测，这是一种结合了多种预测引擎的新方法，包括多种机器学习方法，并结合了Modgraph Consultants开发的著名增量和HOSE代码算法。

NMRPredict包括Modgraph和Mestrelab Predictors许可证。

年度订阅版：

永久版：

NMRPredict

主要功能

计算并显示¹H、¹³C和其他核素（¹¹B, ¹⁵N,¹⁷O, ¹⁹F, ²⁹Si, ³¹P）的精确化学位移，以及 J(HH), J(HF), J(HP), J(CF) and J(CP)。

如果有实验光谱，预测将使用相同的实验条件（如溶剂和光谱特性：光谱宽度、光谱仪频率、化学位移参考、数字点数等）。

预测的 1H-NMR 光谱是采用严格的量子机制方法合成的，该方法考虑到了强耦合效应。

通过从已分配的分子结构中建立 NMR 数据库来训练预测。

能够深入挖掘用户指定的 ¹H and ¹³C实验数据。

每个预测值都附有置信区间。

NMRPredict

亮点特性

结合了Mestrelab和Modgraph的算法

Mnova NMRPredict显示了出色的预测精度和预测异常值数量的减少。

几个强大的算法在幕后运行：

HOSE Code
机器学习
增量方法 Increments Method

比较预测光谱和实验光谱

使用预测与比较（或预测与验证）来执行您的任务。只需要打开一个分子结构的一维数据集，如果是¹H谱，先进行多元分析。

选择命令“预测/预测&比较”，Mnova将完成相应的合成。

训练你的预测能力

从任何包含分子结构的Mnova文档中构建¹H, ¹³C和X核(¹¹B, ³¹P, ¹⁹F, ¹⁵N, ¹⁷O, ²⁹Si) NMR数据库；可用于提高类似结构的预测结果。利用你的化学知识来提高核磁共振预测的精度！

利用你的化学知识来提高核磁共振预测的精度！

NMR Predict

特点

^13CNMR 预测

13C NMR 化学位移的预测是在 Mnova NMRPredict 中使用两种不同的程序进行的，然后通过所谓的"最佳 "预测进行组合。

第一个是以化学位移预测为导向的数据库。该数据库采用扩展的HOSE 编码方法 （层次有序的球形环境）。它包括对每个碳原子化学环境的一维编码。HOSE 编码方法对于在参考文献中得到充分体现的查询结构非常有效。从感兴趣的原子开始，使用定义原子类型、键类型、环闭合和球形的字符对与该原子直接成键（第一球形）、超过两个键（第二球形）的所有原子进行编码，以此类推。

最佳 "预测也使用了神经网络算法，该算法比 HOSE 代码方法的容错能力更强。当数据库中没有查询原子时，它能给出更准确的结果。

1H NMR 预测

这种预测方法与 13C 光谱类似。首先，根据表中结构类别的化学位移进行预测算法，并根据相邻官能团或亚结构的加成进行校正。这些亚结构提供了最终预测化学位移的基础值。此外，还采用了基于部分原子电荷和立体相互作用的补充预测方法。

这种名为CHARGE 的算法是一种复合程序，由基于神经网络的单键、双键和三键取代基效应方法以及取代基长程效应的理论计算组成。这种方法首先需要根据二维结构生成三维构象，然后预测所有构象的单独光谱。最后，计算出平均预测光谱（采用波尔兹曼加权平均法计算所有低能构象的位移）。

1H NMR "最佳"预测分析了两种互补方法的单个化学位移，从而得出一个统一的预测化学位移。