新手調香師 · 104
logP 有 320 筆落在物理合理範圍之外，而其中 319 筆是對的
· 6 分鐘
我一直用「值域檢查」抓錯——純度不能超過 100、折射率不能小於 1。這篇把同樣的手法套到 logP 上，結果幾乎全錯。logP 落在 −5 到 +15 之外的有 320 筆，最極端的是菊糖的 −70.20 與蔗糖六硬脂酸酯的 48.90，而它們都是對的：那些是分子量一千以上的多醣與脂質，極端的 logP 是真的。真正的錯誤只有一筆——番木鱉鹼的 logP 寫著 389.00，而它的分子量只有 334。所有其他極端值的分子量都在 1,200 以上。但那 320 筆有一個意外的用處：它們裡面只有 0.9% 有香調型，而範圍內的紀錄是 19.2%。logP 超出範圍不是錯誤旗標，是「這不是香料」的旗標，準確度差 21 倍。
閱讀約 4 分鐘。
我寫過三種不需要懂化學的檢查，其中一種是值域：純度不能超過 100%、折射率不能小於 1。
這篇把同樣的手法套到 logP 上，然後幾乎全部失敗。
先看這個欄位
logp（辛醇—水分配係數）有 19,667 筆（46.6%）。
而其中 19,604 筆標著「(est)」——99.7%。
這是我量過估算比例最高的欄位（對照：蒸氣壓 94.0%、閃點 56.6%）。只有 63 筆是實測的。
而它旁邊還有一個 xlogp3 欄。兩者同時有值的 18,450 筆裡，只有 32 筆（0.2%）差超過 0.5。
那基本上是同一個數字放在兩個欄位裡。
值域檢查失敗了
有機分子的 logP 通常落在 −3 到 +12。我抓 −5 到 +15 之外的，得到 320 筆（1.63%）。
然後逐一看，它們幾乎都是對的：
| logP | 分子量 | 材料 |
|---|---|---|
| −70.20 | 6,179 | 菊糖 |
| −21.40 | — | 幾丁聚醣 |
| −17.20 | 1,297 | γ-環糊精 |
| −7.40 | — | 玻尿酸 |
| −6.90 | — | 麥芽糊精 |
| +15.60 | — | 茄紅素 |
| +19.40 | — | 輔酶 Q10 |
| +42.20 | 1,426 | 季戊四醇四山崳酸酯 |
| +48.90 | 1,941 | 蔗糖六硬脂酸酯 |
菊糖是分子量六千的多醣，它的 logP 本來就該是 −70 那個量級。蔗糖六硬脂酸酯是分子量近兩千的脂質，+48.9 也是對的。
**我的「合理範圍」是拿香料分子的直覺去套一個裝著化妝品原料的資料庫。**那個範圍對香料是對的，對這些東西不是。
只有一筆是真的錯
| logP | 分子量 | 材料 |
|---|---|---|
| 389.00 | 334.4 | 番木鱉鹼（strychnine） |
**所有其他極端值的分子量都在 1,200 以上。**一個分子量 334 的分子不可能有 389 的 logP——那需要它比水親脂 10³⁸⁹ 倍。
抓到它的不是值域檢查，是值域與分子量的交叉比對。
這是一種新的檢查：不是「這個數字合不合理」，而是「這個數字跟同一筆的另一個數字合不合得起來」。（我先前的檢查全部是單欄內的。）
但那 320 筆有一個意外的用處
我原本要丟掉它們，然後查了一件事：它們有多少有香調型？
| 筆數 | 有香調型 | 有香調欄 | |
|---|---|---|---|
| logP 在 −5..15 之外 | 320 | 3（0.9%） | 2（0.6%） |
| logP 在 −5..15 之內 | 19,347 | 3,718（19.2%） | 3,648（18.9%） |
差 21 倍。
而它們的分類欄也說了同一件事：離譜組的前幾名是「天然物與萃取物」（113）、「僅供參考不用於香料或風味」（45）、「潤膚劑、皮膚調理」（14）、「間接食品添加物：黏著劑與塗層成分」（13）、「潤膚劑、黏度控制」（11）。
logP 超出範圍不是「這筆資料錯了」的旗標，是「這不是香料」的旗標。
**而那正是我需要的東西。**這個資料庫裝著四萬多筆，其中很大一部分是化妝品原料、增稠劑與食品添加物——而 logP 給了一個一行就能寫出來的過濾器。
順便：logP 不能預測留香
既然在算相關，我順手比了幾組：
| ρ | |
|---|---|
| 蒸氣壓 vs 留香 | −0.647 |
| logP vs 分子量 | 0.435 |
| logP vs 蒸氣壓 | −0.355 |
| logP vs 留香 | 0.289 |
logP 跟留香的相關只有 0.289，遠低於蒸氣壓的 −0.647。
想知道一支東西留多久，看蒸氣壓不要看 logP。（logP 講的是它在油與水之間怎麼分配，那跟它在皮膚上停留有關，但跟它從試香紙上蒸發掉的速度是兩件事。）
實務上
- **值域檢查要先問「這個範圍是誰的範圍」。**我的 −5 到 +15 是香料分子的範圍，不是這個資料庫的。
- **交叉欄位的檢查抓得到單欄檢查抓不到的。**番木鱉鹼那一筆只有把 logP 跟分子量放在一起才會露餡。
logp與xlogp3是同一個數字，不要當成兩個獨立來源。- 要濾掉非香料的紀錄，
logp NOT BETWEEN -5 AND 15是一個便宜的起點。
這篇沒有建立的
- 99.7% 是估算值，所以整篇講的是一個模型的輸出，不是量測。
- 「−5 到 +15」是我隨手定的香料範圍，不是任何標準，換一個門檻那 320 筆會變。
- 我只逐一看了供應商最多的十幾筆與最極端的八筆，沒有把 320 筆全部確認過——所以「319 筆是對的」是外推，不是清點。
- 番木鱉鹼那筆我沒有查它的正確 logP（文獻值大約 1.9，但我沒有引來源）。我只能說 389 配 334 的分子量不可能。
- 「0.9% vs 19.2%」的差距也可能只是因為那 320 筆本身資料稀少，不一定是「因為不是香料所以沒有香調型」。這兩個解釋我分不開。
- 相關係數用的都是有值的子集，而每個欄位的填答率都不同，所以那幾個 ρ 不是在同一批紀錄上算的。