رویکرد پیش‌بینی شیمیایی قابل انتقال ممکن است به کاهش آزمون و خطا کمک کند

ویرایش شده توسط Sadie Harley، بررسی توسط Alexander Pol

این مقاله با توجه به روند و سیاست های ویرایشی Science X بررسی شده است. ویراستاران ضمن اطمینان از اعتبار محتوا، ویژگی های زیر را برجسته کرده اند:

پیش‌بینی‌های شیمیایی می‌تواند به جلوگیری از واکنش‌های ناخواسته یا بهبود کارایی فرآیندهای صنعتی، از جمله کاربردهای دیگر کمک کند، اما پیش‌بینی نحوه تعامل مواد شیمیایی می‌تواند پرهزینه و زمان‌بر باشد – به‌ویژه به این دلیل که مواد شیمیایی ممکن است از محیطی به محیط دیگر رفتار متفاوتی داشته باشند.

یک رویکرد مدل‌سازی تجربی جدید ممکن است با افزایش نه تنها تعداد پیش‌بینی‌های شیمیایی، بلکه همچنین قابلیت انتقال چنین آینده‌نگاری به ساده‌سازی فرآیند کمک کند.

مطالعه ای که این کار را توصیف می کند در JACS Au منتشر شد.

هیروآکی گوتوه، استادیار دانشکده مهندسی دانشگاه ملی یوکوهاما، می‌گوید: «توانایی کنترل دقیق نرخ واکنش و انتخاب‌پذیری در شیمی آلی از اهمیت اساسی برخوردار است.

"هدف نهایی ما این است که پیش‌بینی کنیم کاندیدهای دارو، محصولات طبیعی و مولکول‌های کاربردی از کجا و از کدام سمت قبل از سنتز واکنش نشان می‌دهند. این به کاهش آزمون و خطا و تسریع در کشف مولکول‌های جدید و مسیرهای مصنوعی کمک می‌کند."

او توضیح داد که چنین کنترلی طراحی بهتر مواد شیمیایی و درک نحوه رفتار مواد شیمیایی را در هنگام قرار گرفتن در معرض یکدیگر یا در محیط های مختلف امکان پذیر می کند.

در حال حاضر، واکنش‌پذیری معمولا با بازده محصول پس از فرآیندهای سنتز چند مرحله‌ای اندازه‌گیری می‌شود، که اغلب شامل تصفیه و واکنش‌های جانبی رقابتی است که بر بازده محصول تأثیر می‌گذارد. این باعث می‌شود بازده محصول یک روش اندازه‌گیری نادقیق باشد - به خصوص که بازده محصول در مولکول‌های مشابهی که در سناریوهای مختلف سنتز استفاده می‌شوند متفاوت است.

Gotoh گفت: «علاوه بر این، ارزیابی‌های مبتنی بر بازده اغلب به شرایط بهینه نیاز دارند و پارامترهای متعددی که بر بازده واکنش تأثیر می‌گذارند اغلب به سختی شناسایی و تعیین می‌شوند.» "در نتیجه، نیاز مبرمی برای ایجاد روش‌هایی برای اندازه‌گیری سرعت واکنش در سیستم‌های واکنش پیچیده و چند مرحله‌ای و برای تجزیه و تحلیل همبستگی‌های آنها با ساختار مولکولی وجود دارد."

در این مطالعه، تیم بر روی مولکول‌های پیچیده‌ای متمرکز شد که می‌توانند شامل چندین گروه کتون باشند. اینها اتم‌های اکسیژن و کربن با پیوند دوگانه هستند که به عنوان واحدهای عملکردی عمل می‌کنند تا مولکول پیچیده را کاهش دهند و مولکول‌های جدید ایجاد کنند. اندازه‌گیری بازده محصول اطلاعاتی در مورد اینکه کدام گروه کتون واکنش نشان داده‌اند و از کدام سمت گروه ارائه نمی‌کند.

Daimon Sakaguchi، نویسنده اول، دانشجوی دکترا در آزمایشگاه Gotoh می‌گوید: «ما می‌خواستیم پیش‌بینی کنیم که کاهش کتون در کجا رخ می‌دهد و کدام محصول تشکیل می‌شود، در حالی که بر این واقعیت غلبه می‌کنیم که داده‌های بازده معمولی به طور خالص فعالیت ذاتی یک مولکول را اندازه‌گیری نمی‌کنند.»

به گفته ساکاگوچی، محققان به آزمایش‌های رقابتی روی آوردند، که طرح‌های ساده‌ای هستند که می‌توانند اطلاعات بسیار زیادی را آشکار کنند. با مخلوط کردن مولکول‌های پیچیده با مقادیر مختلف بوروهیدرید سدیم در متانول، آن‌ها می‌توانند اندازه‌گیری کنند که کدام گروه کتون ابتدا واکنش نشان می‌دهد و به محققان اجازه می‌دهد مقیاس جنبشی یا نقشه سرعت واکنش گروه‌های کتون را ایجاد کنند.

محققان با ترکیب این اطلاعات الکترونیکی سه بعدی که از اطراف هر محل واکنش اندازه‌گیری می‌شوند، مدلی برای پیش‌بینی نرخ واکنش شیمیایی ایجاد کردند. آنها آن را فقط روی مولکول های ساده آموزش دادند، اما به درستی هم محل واکنش اصلی و هم سمتی را که واکنش از آنجا رخ داد در هر شش مولکول پیچیده تر حاوی دو گروه کتون پیش بینی کرد.

ساکاگوچی گفت: «ما دریافتیم که آزمایش‌های ساده رقابتی می‌توانند داده‌های سرعت واکنش را تولید کنند که اندازه‌گیری‌های آزمایشگاهی، محاسبات کوانتومی-شیمیایی و یادگیری ماشین را به هم متصل می‌کند.

پایگاه داده سینتیکی و گردش کار توصیف‌گر گزارش‌شده ما پایه‌ای را فراهم می‌کند که محققان می‌توانند بر اساس آن تحلیل‌های بیشتری انجام دهند، مدل‌های پیش‌بینی جدید بسازند و فرضیه‌های مکانیکی را برای مدل‌های کاهش پیچیده آزمایش کنند.»

همکاران در این مقاله عبارتند از Taisei Kawasaki، Mayu Itakura و Chihiro Tada، که همگی به دپارتمان شیمی و علوم زیستی دانشگاه ملی یوکوهاما وابسته هستند.

دایمون ساکاگوچی و همکاران، واکنش‌پذیری نسبی مشتق از رقابت و تجزیه و تحلیل حالت الکترونیکی سه بعدی انتخاب‌پذیری مکان و صورت در کاهش‌های کتون NaBH4/MeOH، JACS Au (2026). DOI: 10.1021/jacsau.6c01269

کارشناسی علوم زیستی و اکولوژی. پیشینه آزمایشگاه میکروبیولوژی با تجربه اخبار دارویی در صنایع نفت، گاز و تجدیدپذیر. نمایه کامل →

دکتری مهندسی نانو از دانشگاه دلفت. محقق منتشر شده و داور مجلات. بینش علمی را به استانداردهای محتوا می رساند. نمایه کامل →