Video Experimental Relacionado
Updated: Oct 17, 2025
![Automated Radiochemical Synthesis of [18F]3F4AP: A Novel PET Tracer for Imaging Demyelinating Diseases](/_next/image?url=https%3A%2F%2Fcloudfront.jove.com%2FCDNSource%2Fteasers%2F55537.jpg&w=3840&q=50)
Automated Radiochemical Synthesis of [18F]3F4AP: A Novel PET Tracer for Imaging Demyelinating Diseases
Published on: May 29, 2017
Descubrimiento guiado por aprendizaje automático de 19 agentes de resonancia magnética habilitados por síntesis de
Marcus Reis1, Filipp Gusev2,3, Nicholas G Taylor1
1Department of Chemistry, University of North Carolina at Chapel Hill, Chapel Hill, North Carolina 27599, United States.
El descubrimiento guiado por computadora acelera el desarrollo de polímeros para agentes de imágenes de resonancia magnética (IRM) 19F. El aprendizaje automático identificó nuevas composiciones de copolímero que superan los estándares actuales, superando los desafíos de síntesis.
Área de la Ciencia:
- Ciencias de los Polímeros
- Ciencias de los materiales
- Química computacional
Sus antecedentes:
- La ciencia moderna de los polímeros se enfrenta a desafíos debido a los vastos espacios químicos, lo que dificulta los estudios sistemáticos de la relación estructura-propiedad.
- El desarrollo de materiales avanzados como los agentes de resonancia magnética 19F es complejo debido a la multidimensionalidad.
Objetivo del estudio:
- Superar las limitaciones de la síntesis y caracterización de polímeros tradicionales para materiales complejos.
- Emplear un enfoque guiado por computadora que combine síntesis automatizada y aprendizaje automático para el descubrimiento de materiales.
Principales métodos:
- Desarrolló una plataforma de síntesis de polímeros continua controlada por software para ciclos computacionales experimentales iterativos automatizados.
- Utilizó el aprendizaje automático (ML) para explorar un espacio de composición de seis variables e identificar criterios de diseño no intuitivos.
- Sintetizó 397 composiciones de copolímero únicas dentro de una exploración limitada del espacio de composición general (<0,9%).
Principales resultados:
- Criterios de diseño no intuitivos identificados a través de la exploración impulsada por el ML.
- Descubrió más de 10 nuevas composiciones de copolímero que superan significativamente los materiales de última generación existentes.
- Demostró la eficiencia del enfoque guiado por computadora en la navegación por el espacio químico de polímeros complejos.
Conclusiones:
- El descubrimiento de materiales guiados por computadora, que integra la síntesis automatizada y el aprendizaje automático, es una estrategia poderosa para avanzar en la ciencia de los polímeros.
- Este enfoque aborda eficazmente el desafío de la multidimensionalidad en el desarrollo de copolímeros.
- Los copolímeros identificados muestran una promesa significativa para aplicaciones en agentes de resonancia magnética 19F.
Videos de Conceptos Relacionados
Magnetic Resonance Imaging
Applications Of NMR In Biology

