Enfoque híbrido de aprendizaje automático para predecir la selectividad del sitio de la borilación de arenos...

Área de la Ciencia:

• Química orgánica
• Química computacional
• Ingeniería Química

Sus antecedentes:

• La borilación del enlace C-H es crucial para la funcionalización de moléculas complejas.
• La predicción de los sitios de berilización en sistemas de múltiples arenas es difícil con los catalizadores de iridio actuales.

Objetivo del estudio:

• Desarrollar un modelo predictivo para la borilación selectiva de C-H.
• Mejorar la precisión en la predicción de los sitios de berilización de los intermedios farmacéuticos.

Principales métodos:

• Modelo computacional híbrido que combina DFT, QM, quimioinformática y aprendizaje automático.
• Teoría funcional de la densidad (DFT) y mecánica cuántica semieempírica (QM).
• Algoritmos de aprendizaje automático y regresión lineal para la extrapolación de predicción.

Principales resultados:

• El modelo de Sitio de Borilación (SoBo) predice con precisión los principales sitios de borilación.
• SoBo supera a los modelos de aprendizaje automático anteriores y a los expertos humanos en precisión.
• Validación experimental con éxito en productos farmacéuticos intermedios.

Conclusiones:

• El modelo SoBo ofrece una herramienta poderosa para guiar la borilación C-H experimental.
• Mejora la eficiencia en el desarrollo farmacéutico al predecir la funcionalización específica del enlace C ((sp2) -H.
• Facilita la funcionalización selectiva del sitio en estructuras moleculares complejas.