Tuttavia, una selezione soggettiva dei substrati spesso porta ad un quadro distorto della gamma di applicazioni della reazione appena sviluppata. Spesso non è chiaro se possa essere utilizzato per sintetizzare il prodotto desiderato. Per affrontare questo problema, un team guidato dal chimico Prof Frank Glorius dell'Università di Münster (Germania) propone un metodo computerizzato e privo di errori per selezionare i substrati del modello per valutare nuove reazioni chimiche.

La selezione dei substrati si basa sulla complessità e sulle proprietà strutturali dei composti farmaceutici reali. "Il nostro metodo mira a migliorare la qualità e il contenuto informativo dei dati sulle reazioni chimiche in futuro e a colmare le lacune di conoscenza", spiega Glorius.

Una comprensione più profonda delle nuove reazioni riduce le barriere alla loro applicazione sia in un contesto accademico che industriale. La disponibilità di dati imparziali e di alta qualità facilita inoltre in modo significativo l’uso dell’apprendimento automatico e apre la strada a un utilizzo più completo dei dati. Il lavoro è stato pubblicato sulla rivista ACS Central Science .

Secondo gli autori del team, i tentativi di standardizzare e oggettivare lo sviluppo e la valutazione delle reazioni chimiche sono ancora abbastanza nuovi e relativamente rari. "Vorremmo avviare un 'processo di ripensamento' con la nostra pubblicazione. Invece di fare quanti più esperimenti possibili, che spesso sono distorti o hanno un risultato prevedibile, l'attenzione dovrebbe concentrarsi sull'ottenimento dei migliori dati possibili sulle nuove reazioni chimiche," dice il primo autore Debanjan Rana.

Anche altri scienziati hanno provato a valutare le reazioni chimiche sulla base di substrati selezionati "migliori". Tuttavia, questo lavoro è stato limitato a casi speciali, ovvero a strutture fermamente selezionate con rilevanza farmaceutica o a strutture appositamente adattate per una singola reazione, che devono essere calcolate e selezionate in un processo complesso.

A differenza del lavoro precedente, il metodo presentato dal team di Münster tiene conto dell'intera struttura di una molecola, il che lo rende universalmente applicabile a qualsiasi reazione chimica.

Niklas Hölter, uno degli autori dell'articolo a Münster, spiega il processo di pensiero alla base dello studio:"L'ambito è di fondamentale importanza in tutte le pubblicazioni sulla sintesi chimica. Tuttavia, i chimici sono spesso di parte nella scelta dei composti di substrato da testare.

"Ad esempio, scelgono substrati che sono strutturalmente molto semplici, molto simili al substrato del modello o semplicemente disponibili in laboratorio ("bias di selezione"). Spesso non menzionano affatto le reazioni infruttuose nella loro pubblicazione per poter dipingere un quadro migliore ("distorsioni di segnalazione")."

Quando sintetizzano nuovi composti chimici, come ingredienti attivi o materiali, i chimici devono selezionare il metodo più adatto per produrre il composto target da un gran numero di reazioni e metodi chimici noti. Per fare ciò, considerano diversi fattori, come la resa del prodotto desiderato, nonché gli aspetti ambientali e di sicurezza. Lo sviluppo di reazioni chimiche nuove e versatili continua quindi a essere al centro dell'attuale ricerca chimica.

Il metodo sviluppato dal team dell'Università di Münster ha utilizzato le impronte digitali molecolari per trasferire tutti i principi farmaceutici attivi approvati in un codice digitale. Utilizzando metodi di clustering e apprendimento automatico senza supervisione, hanno creato un modello che divide questo "spazio" di ingredienti farmaceutici attivi in ​​regioni chimicamente significative basate su strutture molecolari.

Per valutare una nuova reazione chimica, migliaia di potenziali substrati di prova possono essere proiettati nello stesso spazio utilizzando il modello di apprendimento automatico. Un substrato di prova viene selezionato automaticamente dal centro di ciascuna delle regioni precedentemente identificate per coprire l'intero spazio senza distorsioni.