論文の概要: Quantitative Prediction on the Enantioselectivity of Multiple Chiral Iodoarene Scaffolds Based on Whole Geometry

• arxiv url: http://arxiv.org/abs/2103.14065v1
• Date: Thu, 25 Mar 2021 20:08:56 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-29 12:28:23.688201
• Title: Quantitative Prediction on the Enantioselectivity of Multiple Chiral Iodoarene Scaffolds Based on Whole Geometry
• Title（参考訳）: 全形状に基づく複数のキラルヨードアレンのエナンチオ選択性に関する定量的予測
• Authors: Prema Dhorma Lama, Surendra Kumar, Kang Kim, Sangjin Ahn, Mi-hyun Kim
• Abstract要約: 名前反応におけるキラル触媒の反応範囲を拡張するための予測ワークフローを提案する。 複数の触媒足場の3D構造を最適化したDFTから全ジオメトリディスクリプタをエンコードした。 アンサンブルモデルのコンセンサス予測のために、このグローバルディスクリプタは、ステリモールパラメータおよび非共有相互作用と比較することができる。
• 参考スコア（独自算出の注目度）: 4.042350304426974
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The mechanistic underpinnings of asymmetric catalysis at atomic levels provide shortcuts for developing the potential value of chiral catalysts beyond the current state-of-the-art. In the enantioselective redox transformations, the present intuition-driven studies require a systematic approach to support their intuitive idea. Arguably, the most systematic approach would be based on the reliable quantitative structure-selectivity relationship of diverse and dissimilar chiral scaffolds in an optimal feature space that is universally applied to reactions. Here, we introduce a predictive workflow for the extension of the reaction scope of chiral catalysts across name reactions. For this purpose, whole geometry descriptors were encoded from DFT optimized 3D structures of multiple catalyst scaffolds, 113 catalysts in 9 clusters. The molecular descriptors were verified by the statistical comparison of the enantioselective predictive classification models built from each descriptors of chiral iodoarenes. More notably, capturing the whole molecular geometry through one hot encoding of split three-dimensional molecular fingerprints presented reliable enantioselective predictive regression models for three different name reactions by recycling the data and metadata obtained across reactions. The potential use value of this workflow and the advantages of recyclability, compatibility, and generality proved that the workflow can be applied for name reactions other than the aforementioned name reactions (out of samples). Furthermore, for the consensus prediction of ensemble models, this global descriptor can be compared with sterimol parameters and noncovalent interaction vectors. This study is one case showing how to overcome the sparsity of experimental data in organic reactions, especially asymmetric catalysis.
• Abstract（参考訳）: 原子レベルでの非対称触媒の力学的基盤は、現在の最先端を超えるキラル触媒の潜在的な価値を開発するためのショートカットを提供する。 エナンチオ選択的レドックス変換において、現在の直観的研究は直観的アイデアを支持する体系的なアプローチを必要とする。 おそらく最も体系的なアプローチは、反応に普遍的に適用される最適な特徴空間において、多様で異種なキラルな足場の信頼できる定量的構造-選択性関係に基づいているだろう。 本稿では, 名前反応におけるキラル触媒の反応範囲を拡張するための予測ワークフローを紹介する。 この目的のために、DFT最適化された複数の触媒足場113個の触媒からなる3次元構造から、全幾何学記述子を符号化した。 分子ディスクリプタはキラルヨードアレンの各ディスクリプタから構築されたエナンチオ選択的予測分類モデルの統計的比較により検証された。 さらに、分割された3次元分子指紋の1つのホットエンコーディングを通して分子構造全体を捉えることで、3つの異なる名前反応に対する信頼できるエナンチオ選択的予測回帰モデルが得られた。 このワークフローの潜在的な使用価値とリサイクル性、互換性、一般性の利点は、上記の名前反応以外の名前反応にワークフローを適用することができることを示した(サンプルから)。 さらに、アンサンブルモデルのコンセンサス予測では、この大域的記述子は、ステリモールパラメータや非共有相互作用ベクトルと比較することができる。 本研究は, 有機反応, 特に非対称触媒反応における実験データの疎さを克服する方法を示す一例である。

関連論文リスト

• Learning Chemical Reaction Representation with Reactant-Product Alignment [50.28123475356234]
  本稿では,様々な有機反応関連タスクに適した新しい化学反応表現学習モデルであるモデルネームを紹介する。 反応物質と生成物との原子対応を統合することにより、反応中に生じる分子変換を識別し、反応機構の理解を深める。 反応条件を化学反応表現に組み込むアダプタ構造を設計し、様々な反応条件を処理し、様々なデータセットや下流タスク、例えば反応性能予測に適応できるようにした。
  論文  参考訳（メタデータ） (2024-11-26T17:41:44Z)
• A Machine Learning and Explainable AI Framework Tailored for Unbalanced Experimental Catalyst Discovery [10.92613600218535]
  各種成分の触媒収率を正確に分類するために,堅牢な機械学習と説明可能なAI(XAI)フレームワークを導入する。 このフレームワークは、触媒データの不足と不均衡を処理するために設計された一連のMLプラクティスを組み合わせる。 このような知見は, 新規触媒の開発・同定において, 優れた性能を有する化学者を支援することができると信じている。
  論文  参考訳（メタデータ） (2024-07-10T13:09:53Z)
• Explainable Data-driven Modeling of Adsorption Energy in Heterogeneous Catalysis [6.349503549199403]
  本研究の目的は,物理研究とデータ駆動手法のギャップを埋めることである。 我々は、ポストホックXAI分析とシンボリック回帰という2つのXAI技術を採用している。 私たちの仕事は、機械学習技術とXAIを統合する堅牢なフレームワークを確立します。
  論文  参考訳（メタデータ） (2024-05-30T18:06:14Z)
• Beyond Major Product Prediction: Reproducing Reaction Mechanisms with Machine Learning Models Trained on a Large-Scale Mechanistic Dataset [10.968137261042715]
  有機反応の機械的理解は、反応の発生、不純物予測、そして原則として反応発見を促進する。 いくつかの機械学習モデルは、反応生成物を予測するタスクに対処しようとしているが、反応機構を予測するための拡張は、対応する力学データセットの欠如によって妨げられている。 実験によって報告された反応物質と生成物の中間体を専門家の反応テンプレートを用いて入力し、その結果の5,184,184個の基本ステップに基づいて機械学習モデルを訓練することにより、そのようなデータセットを構築する。
  論文  参考訳（メタデータ） (2024-03-07T15:26:23Z)
• 3DReact: Geometric deep learning for chemical reactions [35.38031930589095]
  反応物質と生成物の3次元構造から反応特性を予測する3DReactについて述べる。 反応特性予測の既存のモデルと比較して、3DReactは原子マッピング情報を利用する柔軟なフレームワークを提供する。 異なるデータセット、原子をマッピングするレシエーション、およびジオメトリと外挿タスクの両方にわたって、体系的にうまく機能する。
  論文  参考訳（メタデータ） (2023-12-13T17:26:54Z)
• Towards out-of-distribution generalizable predictions of chemical kinetics properties [61.15970601264632]
  Out-Of-Distribution (OOD) の運動特性予測は一般化可能である必要がある。 本稿では,OODの運動特性予測を3つのレベル(構造,条件,機構)に分類する。 我々は、OOD設定における反応予測のための最先端MLアプローチと、速度論的特性予測問題における最先端グラフOOD手法をベンチマークするために、包括的なデータセットを作成する。
  論文  参考訳（メタデータ） (2023-10-04T20:36:41Z)
• Local manifold learning and its link to domain-based physics knowledge [53.15471241298841]
  多くの反応系では、熱化学状態空間は低次元多様体(LDM)に近く進化すると仮定される。 局所的データクラスタ(ローカルPCA)に適用されたPCAは,熱化学状態空間の固有パラメータ化を検出することができることを示す。
  論文  参考訳（メタデータ） (2022-07-01T09:06:25Z)
• Rxn Hypergraph: a Hypergraph Attention Model for Chemical Reaction Representation [70.97737157902947]
  現在、化学反応を強固に表現するための普遍的で広く採用されている方法は存在しない。 ここでは、グラフに基づく分子構造の表現を利用して、ハイパーグラフアテンションニューラルネットワークアプローチを開発し、テストする。 我々はこのハイパーグラフ表現を3つの独立な化学反応データセットを用いて3つの実験で評価した。
  論文  参考訳（メタデータ） (2022-01-02T12:33:10Z)
• Analytical Modelling of Exoplanet Transit Specroscopy with Dimensional Analysis and Symbolic Regression [68.8204255655161]
  ディープラーニング革命は、そのような分析結果を直接、データに適合するコンピュータアルゴリズムで導き出すための扉を開いた。 我々は、一般的なホットジュピター系外惑星の遷移半径の合成データにおける記号回帰の利用をうまく実証した。 前処理のステップとして,変数の無次元な組み合わせを特定するために次元解析を用いる。
  論文  参考訳（メタデータ） (2021-12-22T00:52:56Z)
• Discovering Latent Causal Variables via Mechanism Sparsity: A New Principle for Nonlinear ICA [81.4991350761909]
  ICA(Independent component analysis)は、この目的を定式化し、実用的な応用のための推定手順を提供する手法の集合を指す。 潜伏変数は、潜伏機構をスパースに正則化すれば、置換まで復元可能であることを示す。
  論文  参考訳（メタデータ） (2021-07-21T14:22:14Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。