Revelando la relación entre el sesgo de publicación y la reactividad química con el aprendizaje contrastante

Área de la Ciencia:

• Química computacional
• Aprendizaje automático en química
• Síntesis Química

Sus antecedentes:

• Las tablas de alcance de sustratos en química sintética a menudo muestran sesgo de publicación, con experimentos de bajo rendimiento o fracasados que rara vez se informan.
• Comprender este sesgo es crucial para evaluar con precisión la generalidad y la reactividad de un método sintético.

Objetivo del estudio:

• Desarrollar una nueva estrategia de aprendizaje automático, aprendizaje de contraste de alcance de sustrato, para analizar el sesgo de publicación y la reactividad química.
• Explorar la relación entre las tendencias de selección de sustratos y los descriptores de reactividad orgánica física subyacentes.

Principales métodos:

• Se empleó una estrategia de aprendizaje por contraste, tratando los sustratos reportados como muestras positivas y los no reportados como muestras negativas.
• Se entrenó una red neuronal con 20.798 haluros de arilo de los datos de la recopilación de contenido de CAS 2010-2015.
• Las incrustaciones moleculares aprendidas se analizaron utilizando visualizaciones y regresión cuantitativa contra descriptores de reactividad.

Principales resultados:

• Las incorporaciones aprendidas demostraron una correlación significativa con los descriptores de reactividad orgánica física.
• Las incorporaciones resultaron aplicables a tareas posteriores, como la predicción del rendimiento y la regioselectividad.
• Este enfoque aprovecha efectivamente los datos de la literatura de reacción histórica para el entrenamiento previo.

Conclusiones:

• El aprendizaje por contraste del alcance del sustrato ofrece un método novedoso para aprender de los datos de la literatura química y descubrir tendencias ocultas en la reactividad.
• Los hallazgos ponen de relieve el potencial de utilizar las tendencias de publicación como un sustituto de la reactividad química.
• Este trabajo proporciona una nueva perspectiva sobre el análisis y la utilización de datos experimentales publicados en química.