由人工智能引导的循环的简化和增强的VCD分析
João M Batista1, Valentin Paul Nicu2
1Federal University of São Paulo, Institute of Science and Technology, R. Talim 330, 12231-280, São José dos Campos-SP, Brazil. batista.junior@unifesp.br.
Physical chemistry chemical physics : PCCP
|August 10, 2023
概括
在溶液中表征循环是具有挑战性的. 一种新的基因算法引导的振动循环二元化 (VCD) 方法简化了这一过程,为这些重要的药物化学结构提供了更高的有效性和符合分辨率.
科学领域:
- 药用化学 医学化学
- 频谱学是一种光谱学.
- 计算化学的计算化学
背景情况:
- 循环在药物发现中非常重要,因为它们具有独特的结构性质.
- 确定循环的溶液状态结构是必不可少的,但在技术上要求很高.
- 核磁共振 (NMR) 光谱是一种常见的方法,但通常需要复杂的数据分析.
研究的目的:
- 开发一种更容易获得和更有效的方法来表征溶液中的循环结构.
- 为了提高循环的符合性分析的分辨率.
- 为了克服与传统的振动循环二元化 (VCD) 光谱学相关的计算挑战.
主要方法:
- 采用振动圆形二极化 (VCD) 谱学.
- 开发了一种由基因算法指导的新方法,用于VCD数据分析.
- 将新方法的有效性和分辨率与现有技术进行了比较.
主要成果:
- 基因算法引导的VCD方法表现出简单性和增强的有效性.
- 该方法在区分循环的不同对应物方面实现了更高的分辨率.
- 这种方法减少了通常用于VCD分析所需的计算的复杂性.
结论:
- 提出的VCD方法为循环结构阐明提供了显著的进步.
- 这种技术为药物化学家提供了更实用和更强大的工具.
- 改进的符合分辨率有助于理解循环的结构-活性关系.


