选基于数据驱动模型的高结合性能双的循环素复合物

科学领域:

• 超分子化学 超分子化学
• 计算化学的计算化学
• 材料科学 材料科学 材料科学

背景情况:

• 环极素 (CDs) 具有独特的腔结构,使分子识别和结合成为可能.
• 在CD上修改基组允许调整它们的结合能力,以适应特定的应用.
• 设计具有所需结合性质的改性CD对于推进化学,制药和材料科学至关重要.

研究的目的:

• 开发一个数据驱动的模型,用于预测和协助设计环极素宿主.
• 为了引入一个新的结构表示方法,用于循环德克斯特林/客体复合体.
• 为了验证该模型的性能,并证明其在识别高亲和度环氧二烯结合剂方面的实用性.

主要方法:

• 开发一种基于数据的预测模型,利用一种新的循环德克斯特林/客体结构表示.
• 通过交叉验证 (Q2=0.801) 和测试组评估 (R2test=0.841) 验证模型.
• 该模型与光实验一起应用,以选和表征双二结合的环极素宿主.

主要成果:

• 数据驱动的模型显示了高预测准确度的环氧素结合性质.
• 一些具有强大的双结合能力的环氧素宿主被成功识别,合成和表征.
• 该模型实现了0.605 M-1的控制平均绝对误差,证实了其用于分子设计和数据补充的可行性.

结论:

• 拟议的数据驱动模型作为一个有价值的工具,用于理论援助的环氧素复杂设计.
• 这种方法可以加速发现和优化用于工业应用和科学研究的环氧.
• 该研究强调了计算方法在超分子化学和材料科学领域推动创新的潜力.