JoVE - Journal of Visualized Experiments
JoVE Visualize
Contact Us
Esta página ha sido traducida por una máquina. Otras páginas pueden seguir apareciendo en inglés. View in English

Predicción de catalizadores de mayor selectividad mediante flujo de trabajo controlado por computadora y aprendizaje automático

  • 0Roger Adams Laboratory, Department of Chemistry, University of Illinois, Urbana, IL 61801, USA.
Clinical Neuroscience (new York, N.y.) +

|

19 de enero de 2019

|

19 de enero de 2019

Ver abstracta en PubMed

Resumen

Este resumen es generado por máquina.

Este estudio introduce un enfoque computacional para la selección de catalizadores quirales, acelerando las reacciones asimétricas. Los modelos de aprendizaje automático predicen con precisión la selectividad del catalizador, mejorando la eficiencia en la síntesis química.

Área De La Ciencia

  • Catálisis asimétrica
  • Química computacional
  • Aprendizaje automático en química

Sus Antecedentes

  • El diseño tradicional de catalizadores se basa en métodos empíricos y en el reconocimiento cualitativo de patrones.
  • El aprendizaje automático y la quimioinformática ofrecen el potencial para acelerar el descubrimiento de catalizadores mediante el análisis de grandes conjuntos de datos.
  • El desarrollo de modelos predictivos para la selectividad del catalizador quiral es crucial para avanzar en la síntesis asimétrica.

Objetivo Del Estudio

  • Desarrollar un flujo de trabajo guiado por computación para la selección de catalizadores quirales.
  • Utilizar la quimioinformática para descriptores moleculares robustos y conjuntos de entrenamiento universales.
  • Entrenar modelos de aprendizaje automático para una predicción precisa de la selectividad del catalizador.

Principales Métodos

  • Empleó la quimioinformática para generar descriptores moleculares agnóstico del andamio.
  • Construido un conjunto de entrenamiento universal basado en propiedades estéricas y electrónicas.
  • Algoritmos aplicados de aprendizaje automático, incluidas las máquinas vectoriales de soporte y las redes neuronales de transmisión profunda.

Principales Resultados

  • Logró modelos predictivos muy precisos para la selectividad del catalizador en un amplio rango.
  • Aplicación demostrada con éxito en la adición de tiol catalizado por ácido fosfórico quiral a las N-aciliminas.
  • Validación de la eficacia del flujo de trabajo computacional para guiar la selección del catalizador.

Conclusiones

  • El flujo de trabajo computacional desarrollado acelera significativamente la selección de catalizadores quirales.
  • Los modelos de aprendizaje automático proporcionan predicciones precisas, superando las limitaciones de los métodos empíricos.
  • Este enfoque mejora la eficiencia y el alcance en el desarrollo de reacciones asimétricas.

Videos de Conceptos Relacionados

Predicting Molecular Geometry 02:27

45.8K

VSEPR Theory for Determination of Electron Pair Geometries

The following procedure uses VSEPR theory to determine the electron pair geometries and the molecular structures:


Write the Lewis structure of the molecule or polyatomic ion.
Count the number of electron groups (lone pairs and bonds) around the central atom. A single, double, or triple bond counts as one region of electron density.
Identify the electron-pair geometry based on the number of electron groups: linear, trigonal planar,...

Machines 01:19

577

Machines are complex structures consisting of movable, pin-connected multi-force members that work together to transmit forces. One example of a machine is the cutting plier, which is used to cut wires by applying forces to its handles. When equal and opposite forces are exerted on the handles of the cutting plier, they cause the cutting edges to come together and apply equal and opposite reaction forces on the wire, which are greater than the applied forces.
A free-body diagram of the...

Frequency-dependent Selection 01:21

23.9K

When the fitness of a trait is influenced by how common it is (i.e., its frequency) relative to different traits within a population, this is referred to as frequency-dependent selection. Frequency-dependent selection may occur between species or within a single species. This type of selection can either be positive—with more common phenotypes having higher fitness—or negative, with rarer phenotypes conferring increased fitness.

Positive Frequency-Dependent Selection

In positive...

Machines: Problem Solving II 01:30

668

Machines are complex structures consisting of movable, pin-connected multi-force members that work together to transmit forces. Consider a lifting tong carrying a 100 kg load. It comprises movable sections DAF and CBG linked together with member AB.

Assuming the structure is symmetrical at point E, the force acting on member AB can be calculated.
First, a free-body diagram indicating the forces acting at point E is considered. The weight of the load that equals the mass times the acceleration...

Prediction Intervals 01:03

3.4K

The interval estimate of any variable is known as the prediction interval. It helps decide if a point estimate is dependable.
However, the point estimate is most likely not the exact value of the population parameter, but close to it. After calculating point estimates, we construct interval estimates, called confidence intervals or prediction intervals. This prediction interval comprises a range of values unlike the point estimate and is a better predictor of the observed sample value, y. 

Machines: Problem Solving I 01:22

714

A toggle clamp is a mechanical device commonly used for holding and clamping objects in various applications, such as woodworking, metalworking, and assembly operations. Consider a toggle clamp subjected to a force of 200 N at the handle. The vertical clamping force can be calculated, provided the dimensions of the toggle clamp are known.
The toggle clamp system is a machine structure consisting of movable, pin-connected multi-force members that form a stabilized system to transmit forces. The...