算法模仿谷歌AlphaGo节拍化学家在他们自己的游戏

计划如何让一个分子通常是一个艰难的过程需要很好的技巧,耐心和一个同样熟练记忆。但现在有一个新的计算机程序可以筛选数以百万计的化学反应计划在几秒钟内合成。

化学家经常制定一系列复杂的化学反应在各种实验条件下的分子。这样的计划需要大量的试验和错误,花了无数小时咨询合成前的文学甚至尝试。

但现在化学家试图缓解这一过程与自动synthesis-planning软件。最新的例子,在几秒钟内Syntaurus,可以映射出一个途径——即使以前从未被合成的目标分子。这些算法通常依赖于数千如果不是数百万manually-encoded化学排名规则根除所有可能的选项之前最有前途的合成。

”技术在分子信息学和计算化学现在非常先进,很难想象一个新的化学合成,不是计算机辅助,”解释道乔纳森·古德曼合成化学家从剑桥大学的英国,他并没有参与这项研究。

马克沃勒从上海大学,中国,和他的同事们现在生产的工具,他们希望可以进一步帮助化学家找到快速合成解决方案。团队的算法类似于一个用于谷歌的AlphaGo——一个AI,击败了世界上最好的球员今年早些时候。AlphaGo使用机器学习的一种形式被称为蒙特卡洛树搜索(mct)来赢得比赛。

沃勒的特定计划将目标分解成成千上万的可能的节点,在这种情况下化学转换。在这一步中,算法评估哪一个最有可能带来成功,并进一步探讨这“分支”。平台与数据库包含1200万种已知的反应,决定了这个途径是否有效记录结果和之前重复这个过程。随着时间的推移,mct将建立一系列的树枝,哪一个是最可行的合成。

沃勒的团队使用这种特定算法映射出一个六步合成为一个老年痴呆症药物中间——benzopyran磺酰胺衍生物。它产生相同的路径发现文献中在5.4秒。

尽管如此快速retrosynthetic计算不一定是新的,球队也想找出他们的软件是否可以愚弄一个科学家。团队要求45研究生有机化学家状态偏好两个合成通路之间的九个不同分子在盲测。在每种情况下,化学家们设计的一个途径,而沃勒的计划制定。令人惊讶的是,57%的受访化学家首选艾未未的路线。

但有限制的算法。不包括立体化学和天然产物的方法,两者都是有机合成的核心,”古德曼的评论。他继续解释,仍然需要大量的证据说服社区。“这证明了新算法的力量来分析复杂的化学数据,”他总结道。“我希望它将被证明是有用的合成化学家。”