Un estudio guiado por aprendizaje automático de las relaciones estructura-reactividad en cicloadiciones de...

Área de la Ciencia:

• Química Orgánica
• Química Computacional
• Reactividad Química

Sus antecedentes:

• La cicloadición de Diels-Alder es una reacción fundamental en la síntesis orgánica.
• La comprensión de los factores que influyen en su reactividad y barreras de activación es crucial para el diseño sintético.
• Estudios previos han explorado efectos electrónicos y estéricos, pero un enfoque computacional combinado ofrece nuevas perspectivas.

Objetivo del estudio:

• Investigar computacionalmente la interacción de los efectos estéricos y electrónicos en las barreras de activación de la reacción de Diels-Alder.
• Desarrollar modelos predictivos para la reactividad de Diels-Alder utilizando descriptores moleculares.
• Identificar características moleculares clave que rigen los resultados de la reacción.

Principales métodos:

• Cálculos de Teoría de la Funcionalización de la Densidad (DFT) para obtener energías de activación.
• Modelos de aprendizaje automático entrenados en un conjunto de datos de 1000 reacciones de Diels-Alder de hidrocarburos no catalizadas.
• Análisis SHAP (SHapley Additive exPlanations) para interpretar las predicciones del modelo e identificar descriptores moleculares importantes.

Principales resultados:

• Se encontró que los efectos estéricos, particularmente el volumen de los sustituyentes en los carbonos internos del dieno, son el factor dominante que influye en las barreras de activación.
• Los sustituyentes en las posiciones terminales mostraron un impacto menos significativo en la reactividad.
• El valor mínimo de la brecha entre los orbitales moleculares de frontera (LUMOdieno-HOMOdienófilo y LUMOdienófilo-HOMOdieno) surgió como un descriptor predictivo clave, correlacionándose bien con la energía de activación.
• Las interacciones estéricas pueden causar desviaciones de la tendencia predicha únicamente por factores electrónicos.

Conclusiones:

• La impedancia estérica en los carbonos internos del dieno es un impulsor principal de las barreras de activación elevadas en las reacciones de Diels-Alder.
• Los modelos predictivos que combinan DFT y aprendizaje automático pueden racionalizar eficazmente la reactividad de Diels-Alder.
• Las ideas obtenidas pueden guiar el diseño racional de reacciones de cicloadición más eficientes mediante la manipulación estratégica de las propiedades estéricas y electrónicas.