L'apprendimento automatico è stato ampiamente utilizzato nelle scienze chimiche per la progettazione di farmaci e altri processi.

I modelli che vengono testati in modo prospettico per nuovi risultati di reazione e utilizzati per migliorare la comprensione umana per interpretare le decisioni di reattività chimica prese da tali modelli sono estremamente limitati.

Gli innovatori della Purdue University hanno introdotto diagrammi di flusso della reattività chimica per aiutare i chimici a interpretare i risultati delle reazioni utilizzando modelli di apprendimento automatico statisticamente robusti addestrati su un piccolo numero di reazioni. L'opera è pubblicata in Lettere organiche .

"Lo sviluppo di reazioni nuove e veloci è essenziale per la progettazione di librerie chimiche nella scoperta di farmaci, " disse Gaurav Chopra, un assistente professore di chimica analitica e fisica al Purdue's College of Science. "Abbiamo sviluppato un nuovo, reazione multicomponente veloce e one-pot (MCR) di N-sulfonilimmine che è stata utilizzata come caso rappresentativo per la generazione di dati di addestramento per modelli di apprendimento automatico, prevedere gli esiti delle reazioni e testare nuove reazioni in modo prospettico cieco.

"Ci aspettiamo che questo lavoro apra la strada al cambiamento del paradigma attuale sviluppando accurati, modelli di apprendimento automatico comprensibili all'uomo per interpretare i risultati delle reazioni che aumenteranno la creatività e l'efficienza dei chimici umani per scoprire nuove reazioni chimiche e migliorare le condutture chimiche organiche e di processo".

Chopra ha affermato che l'approccio di apprendimento automatico interpretabile dall'uomo del team di Purdue, introdotti come diagrammi di flusso della reattività chimica, può essere esteso per esplorare la reattività di qualsiasi MCR o qualsiasi reazione chimica. Non necessita di robotica su larga scala poiché questi metodi possono essere utilizzati dai chimici durante lo screening delle reazioni nei loro laboratori.

"Forniamo il primo rapporto di un quadro per combinare esperimenti di chimica sintetica veloci e calcoli di chimica quantistica per comprendere il meccanismo di reazione e modelli di apprendimento automatico statisticamente robusti interpretabili dall'uomo per identificare modelli chimici per prevedere e testare sperimentalmente la reattività eterogenea delle N-solfonilimmine, " disse Chopra.

"L'uso senza precedenti di un modello di apprendimento automatico nella generazione di diagrammi di flusso di reattività chimica ci ha aiutato a comprendere la reattività delle diverse N-sulfonilimine tradizionalmente utilizzate negli MCR, " disse Krupal Jethava, un borsista post-dottorato nel laboratorio di Chopra, chi è coautore dell'opera. "Riteniamo che lavorare a stretto contatto con chimici organici e computazionali aprirà una nuova strada per risolvere complessi problemi di reattività chimica per altre reazioni in futuro".

Chopra ha affermato che i ricercatori della Purdue sperano che il loro lavoro apra la strada per diventare uno dei tanti esempi che mostreranno la potenza dell'apprendimento automatico per lo sviluppo di nuove metodologie sintetiche per la progettazione di farmaci e oltre in futuro.

"In questo lavoro, ci siamo sforzati di garantire che il nostro modello di apprendimento automatico possa essere facilmente compreso da chimici non esperti in questo campo, " ha detto Jonathan Fine, un ex studente laureato alla Purdue, chi è coautore dell'opera. "Riteniamo che questi modelli abbiano la capacità non solo di essere utilizzati per prevedere le reazioni, ma anche per comprendere meglio quando si verificherà una determinata reazione. Per dimostrarlo, abbiamo usato il nostro modello per guidare substrati aggiuntivi per verificare se si verificherà una reazione".