Kemi är mer än att bara blanda förening A med förening B för att göra förening C. Det finns katalysatorer som påverkar reaktionshastigheten, såväl som de fysiska förhållandena för reaktionen och eventuella mellansteg som leder till slutprodukten. Om du försöker göra en ny kemisk process för, säga, läkemedels- eller materialforskning, du måste hitta det bästa av var och en av dessa variabler. Det är en tidskrävande test-och-fel-process.

Eller, åtminstone, det var.

I en ny publikation i Natur , Kemister från University of Utah Jolene Reid och Matthew Sigman visar hur analys av tidigare publicerade kemiska reaktionsdata kan förutsäga hur hypotetiska reaktioner kan fortsätta, att begränsa de olika förhållanden som kemister behöver utforska. Deras algoritmiska förutsägelseprocess, som inkluderar aspekter av maskininlärning, kan spara värdefull tid och resurser inom kemisk forskning.

"Vi försöker hitta den bästa kombinationen av parametrar, "Säger Reid." När vi har det kan vi justera funktionerna i alla reaktioner och faktiskt förutse hur den justeringen kommer att påverka den. "

Prövning och fel

Tidigare, kemister som ville utföra en reaktion som inte hade prövats tidigare, såsom en reaktion för att fästa en viss liten molekyl till en viss plats på en större molekyl, hanterade problemet genom att leta upp en liknande reaktion och efterlikna samma förhållanden.

"Nästan varje gång, åtminstone enligt min erfarenhet, det fungerar inte bra, "Säger Sigman." Så då ändrar du systematiskt villkoren. "

Men med flera variabler i varje reaktion - Sigman uppskattar cirka sju till tio i en typisk farmaceutisk reaktion - blir antalet möjliga kombinationer av tillstånd överväldigande. "Du kan inte täcka allt detta variabla utrymme med någon typ av hög genomströmning, "Säger Sigman." Vi pratar miljarder möjligheter. "

Begränsar fältet

Så, Sigman och Reid letade efter ett sätt att begränsa fokus till ett mer hanterbart antal förhållanden. För deras testreaktion, de tittade på reaktioner som involverar molekyler med motsatta spegelbilder av varandra (på samma sätt som dina högra och vänstra händer är spegelbilder av varandra) och som väljer mer för en konfiguration än en annan. En sådan reaktion kallas "enantioselektiv, "och Sigmans laboratorium studerar vilka typer av katalysatorer som är involverade i enantioselektiva reaktioner.

Reid samlade publicerade vetenskapliga rapporter om 367 former av reaktioner som involverar iminer, som har en kvävebas, och använde maskininlärningsalgoritmer för att korrelera egenskaper hos reaktionerna med hur selektiva de var för de två olika formerna av iminer. Algoritmerna tittade på reaktionernas katalysatorer, lösningsmedel och reaktanter, och konstruerade matematiska samband mellan dessa egenskaper och den slutliga selektiva reaktionen.

"Det finns ett mönster gömt under ytan på varför det fungerar och inte fungerar med detta tillstånd, denna katalysator, detta substrat, och så vidare, Säger Sigman.

"Nyckeln till vår framgång är att vi använder information från många reaktioner, "Tillägger Reid.

Lättar smärtan

Hur bra fungerar deras prediktiva modell? Det förutsade framgångsrikt resultaten av 15 reaktioner som involverade en reaktant som inte fanns i den ursprungliga uppsättningen, och resultaten av 13 reaktioner där både en reaktant och katalysatortyp inte fanns i den ursprungliga uppsättningen. Till sist, Reid och Sigman tittade på en nyligen genomförd studie som genomförde 2, 150 experiment för att hitta de optimala förhållandena för 34 reaktioner. Utan att smutsa en enda bägare, Reid och Sigmans modell kom fram till samma resultat och samma optimala katalysator.

Reid ser fram emot att tillämpa modellen för att förutsäga reaktioner som involverar stora, komplexa molekyler. "Ofta upptäcker du att nya metoder inte är finjusterade till komplexa system, "säger hon." Möjligen skulle vi kunna göra det nu genom att i förväg förutsäga den bästa typen av katalysator. "

Sigman tillägger att prediktiva modeller kan sänka hindren för utveckling av nya läkemedel.

"Läkemedelsindustrin vill inte investera pengar i något som de inte vet om det kommer att fungera, "säger han." Så, om du har en algoritm som antyder att detta har en hög sannolikhet att fungera, du lindrar smärtan. "

Efter publicering, hitta hela studien här.