构建系统的分解

我共进午餐的有机合成化学家在我的学生时代,我们聊天通过艰难的chemoselective减少。我们有一些想法为均相催化剂,或有机化学家通用异构选项的钯碳”。我们的新博士生,刚从一个化学工程硕士,走了进来,建议专家支持催化剂,调正好为我们提供完美的还原能力的碳碳双键,同时保留一个卤素。最古老的人造学生直看着他,立刻打消了这个念头,说,“是的,我们这里不这样做”。这是令人困惑的,但不可否认他是正确的,我们没有做。我们如何更好的可能是如果我们接受了创意,刚性体验!

历史上充斥着的先驱科学家获得成功后拒绝遵守单一学科的范围。即使在有机合成化学,跨越界限的灵活合作造成以前回避技术如光化学、电化学和实验设计流行起来的。如今,领导人还花很多时间和心痛试图推动跨领域,尽管系统似乎更倾向于拒绝这一概念。学者松鸡,他们无法找到合适的期刊和大学领导人不了解不同领域的不同的出版指标,加上外面更难招募一个纪律的安全。

部分人的不安全感使我们对共享信息

跨学科的工作可能更容易在一个大公司。平心而论,制药和农业化学家可能有一个简单的问题,因为我们最多样化的学科至少有人类健康或植物的健康共同之处。化学研发,至少在英国,先锋看编织不同团队之间的关系的好处。事实上我以前所使用的词“筒仓”消极,我惊讶地听到科技专业人员使用它作为一个标准的术语在软件开发中不同的团队。这些孤立的群体是如何故意说话,如果不是故意,创建。部分人的不安全感使我们对共享信息。

沟通障碍

有时有合理理由拒绝沟通。当然,一些营销工具故意低互操作性,low-subtlety企图把顾客强行纳入生态系统供应商的数据。但作为一个反应优化化学家,我经常看到的情况下,我需要询问其他化学家的原始数据——一个高级报告不符合要求。我要找的对象,帮助我了解前面的整体反应,而原来的团队最重要的结果是产品产量和生物数据。最糟糕的是,当团队不能或不分享他们的直接结果,我们最终降低质量或重复的工作。

一个好的数据的生态系统,无论是公共或私人,可以为此提供帮助。在合成化学,我们很少方法合成完全从头开始。化学家看一下自己的和同事的经验,之前文学艺术。然而,即使寻找类似的分子是一个挑战。您的具体产品或转换不可能生成的结果,和它产生的可能代表尖端化学太少。另一方面,Markush残忍地减少结构简单的组件缺乏确切的问题的细微差别。此外,很难区分实际确定化学“最亲密的先例”。将这些条件用于吊坠烷基醚时也有一个潜在的不稳定甲酯在那个位置?搜索类似的电子组的通用结构也复杂,如果酯等trifluoromethyl组所取代。同样的问题发生在公司电子实验室笔记本——除了有时用户报告说,这些都是更难搜索。

大数据的功能和其团队之间的联系越强,越接近一个机构是能够半自动搜索。首先,为所有用户的需求设计的共享模式允许最不同的化学团队贡献和利益。减少查询的数量需要覆盖所有的密切匹配,前沿文献条件和空间和电子相似之处,一个自动化的系统贯穿所有这些可能性是一个诱人的选择。是似是而非的化学家设计预期的反应,以及他们的数据生态系统回答,“你知道你的过程化学同事试过几乎相同的转换,和你的配方同事发现该产品在丙醇溶解好吗?”

直接沟通的结果是最令人难忘的方式分享信息,当然没有人可以知道每一个反应,甚至每一个项目都在一个公司。快速、自动引用最初可能听起来像一个个人的选择。但建立一个跨项目、跨职能和cross-institution数据自然生态系统帮助竖井合并,解决了知道谁问的主要问题放在第一位。