著名医師による解説が無料で読めます
すると翻訳の精度が向上します
相互空間での位相洗練と実際の空間でのピークピッキングに基づく反復的な二重空間直接的な方法は、狂ったデータや悲しいデータから効率的に比較的多数の異常散乱体を見つけることができます。特定の解像度でのデータの切り捨て、通常は3.0〜3.5 Aの範囲では、成功にとって重要です。効率は、ランダムフェーズやサイトから開始する代わりに、パターソンベースのシードによって約1桁改善される可能性があります。パターソンの重ね合わせ方法も有用な検証を提供します。このアプローチを実装するプログラムSHELXDは、Shelxパッケージの一部として利用できます。
相互空間での位相洗練と実際の空間でのピークピッキングに基づく反復的な二重空間直接的な方法は、狂ったデータや悲しいデータから効率的に比較的多数の異常散乱体を見つけることができます。特定の解像度でのデータの切り捨て、通常は3.0〜3.5 Aの範囲では、成功にとって重要です。効率は、ランダムフェーズやサイトから開始する代わりに、パターソンベースのシードによって約1桁改善される可能性があります。パターソンの重ね合わせ方法も有用な検証を提供します。このアプローチを実装するプログラムSHELXDは、Shelxパッケージの一部として利用できます。
Iterative dual-space direct methods based on phase refinement in reciprocal space and peak picking in real space are able to locate relatively large numbers of anomalous scatterers efficiently from MAD or SAD data. Truncation of the data at a particular resolution, typically in the range 3.0-3.5 A, can be critical to success. The efficiency can be improved by roughly an order of magnitude by Patterson-based seeding instead of starting from random phases or sites; Patterson superposition methods also provide useful validation. The program SHELXD implementing this approach is available as part of the SHELX package.
医師のための臨床サポートサービス
ヒポクラ x マイナビのご紹介
無料会員登録していただくと、さらに便利で効率的な検索が可能になります。