Immagina di sintetizzare e quindi testare oltre 50 diverse molecole complesse per identificare il catalizzatore più efficace per una particolare reazione chimica. L'approccio tradizionale allo sviluppo di nuovi catalizzatori per reazioni chimiche in questo modo "provare e vedere" è spesso estremamente laborioso e richiede numerosi esperimenti ripetuti con potenziali molecole candidate. La tecnica ormai onnipresente dell'apprendimento automatico può rendere questo compito molto più efficiente prevedendo in anticipo le prestazioni dei catalizzatori in base alle caratteristiche teoriche.
In uno studio pubblicato su Nature Communications , i ricercatori dell'Università di Osaka hanno utilizzato una libreria informatica di molecole che sono state sintetizzate insieme a molecole che al momento sono del tutto teoriche per trovare il miglior catalizzatore per una specifica reazione chimica.
L'obiettivo del lavoro era trovare modi migliori per aggiungere gruppi di carbonio ad amminoacidi e peptidi, molto comuni negli organismi viventi, per modificare le proprietà di questi composti. Come molte reazioni, questi processi sono potenziati dai catalizzatori, ma un catalizzatore tradizionale a base metallica è spesso tossico e/o costoso.
Questo studio mirava a utilizzare i triarilborani come catalizzatori, ma a causa delle loro strutture relativamente complesse ci sono potenzialmente centinaia di possibilità. Questi composti sono a base di boro, che è un elemento principale del gruppo, relativamente economico e meno tossico.
"La valutazione dei catalizzatori molecolari per la sintesi organica può richiedere molto tempo", afferma l'autore principale dello studio Yusei Hisata. "Nel caso dei triarilborani utilizzati nel nostro lavoro, molte permutazioni delle strutture molecolari potrebbero richiedere mesi di studio solo per identificare il candidato ottimale."
I ricercatori hanno combinato i dati sperimentali di un numero limitato di triarilborani sintetizzati con le proprietà previste per altre molecole che non sono state ancora sintetizzate, utilizzando calcoli teorici, per creare una libreria di 54 possibili catalizzatori.
"Questo processo ha valutato i parametri che avevamo previsto avrebbero influenzato il progresso della reazione", spiega Yoichi Hoshimoto, l'autore corrispondente. "Questi includevano fattori come i livelli di energia orbitale molecolare e le barriere energetiche a determinati processi."
Una regressione del processo gaussiano utilizzando la libreria in silico ha identificato un candidato promettente e i test con questo triarilborano hanno dimostrato un elevato livello di prestazioni. Questo composto potrebbe promuovere le reazioni di un amminoacido con rese molto elevate e tollerare la presenza di numerosi gruppi funzionali diversi. Come ulteriore vantaggio, queste reazioni generano solo acqua come coprodotto innocuo perché hanno utilizzato con successo l'idrogeno molecolare, H2 , come reagente.
Questo lavoro ha esaminato anche altri modi per ridurre l'impatto ambientale del processo e ha scoperto che il pericoloso solvente tetraidrofurano potrebbe essere sostituito con l'alternativa meno tossica 4-metiltetraidropirano.
I chimici moderni devono far fronte a richieste crescenti e si destreggiano nello sviluppo di nuove sintesi con colleghi limitati, tenendo conto dell’impatto ambientale, dell’efficienza, dei costi, della sostenibilità e di altri fattori. Questo studio dimostra un importante passo avanti nell'uso dell'apprendimento automatico per semplificare lo sviluppo di nuovi processi chimici ed evidenzia come questi nuovi processi possano incorporare cambiamenti che lavorano insieme per generare sistemi verdi.
Ulteriori informazioni: Yusei Hisata et al, Derivatizzazione assistita in silico di triarilborani per la funzionalizzazione riduttiva catalitica di amminoacidi e peptidi derivati dall'anilina con H2, Nature Communications (2024). DOI:10.1038/s41467-024-47984-0
Informazioni sul giornale: Comunicazioni sulla natura
Fornito dall'Università di Osaka
