Marco de aprendizaje automático interpretable para predecir la reactividad de reactivos de trifluorometilación

Área de la Ciencia:

• Química Orgánica
• Química Computacional
• Química Medicinal

Sus antecedentes:

• Los grupos trifluorometilo son cruciales en productos farmacéuticos, agroquímicos y materiales.
• Es esencial cuantificar la reactividad de los reactivos de trifluorometilación a través de la capacidad de donación de cationes trifluorometilo (TC+DA).
• La determinación tradicional de TC+DA utiliza cálculos DFT computacionalmente intensivos.

Objetivo del estudio:

• Desarrollar un marco de relación cuantitativa estructura-propiedad (QSPR) basado en aprendizaje automático (ML) para predecir TC+DA.
• Permitir el cribado rápido y el diseño de nuevos reactivos de trifluorometilación electrófilos.

Principales métodos:

• Se generaron 1826 descriptores moleculares utilizando Mordred.
• Se redujeron las características a 249 descriptores.
• Se entrenaron y compararon varios algoritmos de ML, incluidas redes neuronales (NN) y árboles extra (ET).

Principales resultados:

• Se identificaron NN y ET como los modelos de ML más efectivos.
• Se descubrió que solo cinco descriptores clave eran suficientes para una alta precisión predictiva.
• El modelo NN optimizado logró un R² = 0.956 y un RMSE = 3.43 en el conjunto de prueba.
• Los reactivos de yodo hipervalente presentaron desafíos de predicción debido a la distribución bimodal de TC+DA.

Conclusiones:

• Los modelos QSPR basados en ML proporcionan una alternativa eficiente, precisa e interpretable a DFT para predecir TC+DA.
• Este marco facilita el descubrimiento y desarrollo acelerado de nuevos reactivos de trifluorometilación.