预测性 Minisci 后期阶段功能化与转移学习
Emma King-Smith1, Felix A Faber1, Usa Reilly2
1Cavendish Laboratory, University of Cambridge, Cambridge, UK.
Nature communications
|January 15, 2024
概括
在药物发现过程中预测化学反应是一项挑战. 本研究引入了一种机器学习模型,使用13C NMR数据准确预测晚期功能化反应中的功能化位点,改进化学空间探索.
科学领域:
- 药用化学 医学化学
- 计算化学计算化学
- 有机化学 有机化学
背景情况:
- 分子的结构多样化对于药物发现至关重要.
- 晚期功能化 (LSF) 能够从复杂的中间体中创建多种分子产品.
- 预测LSF中的区域选择性仍然是一个重大挑战,限制了药物发现管道的效率.
研究的目的:
- 在后期功能化反应中开发区域选择性的预测模型.
- 为了克服后期功能化产品表征中的数据限制,用于机器学习方法.
- 通过准确的反应性预测,增强药物发现中化学空间的探索.
主要方法:
- 开发一种混合方法,将传递信息的神经网络和基于13C NMR的转移学习结合起来.
- 应用模型来预测基于Minisci和P450的反应的原子智能的功能化概率.
- 通过追溯分析和前性实验研究验证模型.
主要成果:
- 开发的模型准确地预测了Minisci型和P450型转换的区域选择性.
- 该方法与传统的基于福井的反应率指数和其他机器学习算法相比,表现优越.
- 成功预测功能化结果经过实验验证,证实了模型的可靠性.
结论:
- 信息传递神经网络和13C NMR转移学习的整合为预测LSF区域选择性提供了一个强大的解决方案.
- 这种方法显著提升了探索化学空间和加速药物发现的能力.
- 开发的方法为指导药物化学中的合成策略提供了一个强大的工具.
相关概念视频
02:07Improving Translational Accuracy
Base complementarity between the three base pairs of mRNA codon and the tRNA anticodon is not a failsafe mechanism. Inaccuracies can range from a single mismatch to no correct base pairing at all. The free energy difference between the correct and nearly correct base pairs can be as small as 3 kcal/ mol. With complementarity being the only proofreading step, the estimated error frequency would be one wrong amino acid in every 100 amino acids incorporated. However, error frequencies observed in...
02:07Improving Translational Accuracy
Base complementarity between the three base pairs of mRNA codon and the tRNA anticodon is not a failsafe mechanism. Inaccuracies can range from a single mismatch to no correct base pairing at all. The free energy difference between the correct and nearly correct base pairs can be as small as 3 kcal/ mol. With complementarity being the only proofreading step, the estimated error frequency would be one wrong amino acid in every 100 amino acids incorporated. However, error frequencies observed in...