配体选择器引导碳氮。他们最可持续的道路

研究人员利用机器学习开发了一个工具,预测对于metal-catalysed配体偶联反应将导致环境和财务成本最低的一种合成路线。这个想法可以扩展成一个系统来帮助制药企业选择如何生产一种药物。

药品往往有复杂的合成路线与最终产品的几个可能的路径。科学家设计这些线路需要选择最佳的一个,从历史上看,这样的决策中心安全、效率、成本和产品质量。

鉴于反应成本和可持续性之间的正相关关系,小君李和马丁集美国百时美施贵宝已设计的一种机器学习方法,可以预测环境影响最低的合成路线。环境影响强度是衡量使用累计质量比例——所有的材料合成的质量除以最终产品的质量。更高的价值意味着更多的浪费材料和更高的影响。

李集的工具转换工作metal-catalysed碳氮耦合反应涉及膦配体,它经常在医药合成功能。文献报道的耦合反应与膦配体作为系统的数据集;配体的分子特性亲电试剂的亲核betway必威游戏下载大全试剂提供输入变量,并导致成功的膦配体反应是输出。他们发现他们的工具预测它配体将提供一个成功的反应,和哪些提供最低的累积质量强度。

机器智能专家罗斯金英国曼彻斯特大学的说研究解决如何设计合成路径,不仅有高收益,但也较低的金融和环境成本是一个重要的主题领域,和一个只会增长的重要性。这是另一个成功的机器学习在化学中的应用”。

工作的帮助关注两个关键挑战合成设计能够受益于计算援助:配位催化反应,选择和评价路线的考虑,选择绿色后,“评论康纳绿青鳕美国麻省理工学院的研究使用的数据和自动化来简化在化学科学发现。希望,我们会看到更多这样的研究,有助于定量指标为路线选择超出成本和数量的反应步骤。

我们希望这项工作将帮助研究人员在路线设计做出更好的决策,”评论集。“保持可持续性和效率,在整体水平上,在这些决策——通过预测和容易使用应用程序——将帮助提供更大的背景下这些关键决策,帮助研究人员选择最高的路线选择的机会是最可持续发展的”。