Determinación de la estructura cristalina a partir de cambios químicos aprendidos por la máquina

Área de la Ciencia:

• Química del estado sólido
• Ciencias de los materiales
• Química computacional

Sus antecedentes:

• Determinar la estructura atómica tridimensional de los sólidos en polvo es crucial en la química.
• Los desplazamientos químicos de RMN de estado sólido son valiosos para la determinación de la estructura, pero son costosos desde el punto de vista computacional.
• Los métodos actuales se basan en costosas predicciones de la estructura cristalina y cálculos DFT.

Objetivo del estudio:

• Desarrollar un método computacionalmente eficiente para la determinación de la estructura en estado sólido.
• Para superar las limitaciones de la predicción de la estructura cristalina tradicional y los cálculos DFT.
• Para permitir un análisis estructural más rápido y accesible a nivel atómico de sólidos en polvo.

Principales métodos:

• Utilizó cambios químicos isotrópicos generados sobre la marcha.
• Se empleó un proceso de determinación de la estructura basado en Monte Carlo.
• Determinación iniciada de la estructura a partir de conformaciones aleatorias de la fase gaseosa.

Principales resultados:

• Determinó con éxito las estructuras cristalinas de ampicilina, piroxicam y cocaína.
• Identificó las estructuras cristalinas de dos polimorfos de la molécula AZD8329.
• Demostró una reducción significativa en el costo computacional en comparación con los métodos tradicionales.

Conclusiones:

• Los cambios químicos aprendidos por la máquina pueden guiar eficientemente la determinación de la estructura en estado sólido.
• El método desarrollado ofrece una alternativa más rápida para la predicción de la estructura cristalina.
• Este enfoque tiene una amplia aplicabilidad en química, ciencia de materiales e investigación farmacéutica.