作者克里斯·亚当，普渡大学 普渡大学的科学家正在使用机器学习模型为药物发现管道创造新的选择
学分:普渡大学/高拉夫·乔普拉 机器学习已经广泛应用于化学科学中的药物设计和其他过程
对新反应结果进行前瞻性测试并用于增强人类理解以解释由这些模型做出的化学反应决策的模型极其有限
普渡大学的创新者引入了化学反应流程图，以帮助化学家使用在少量反应上训练的统计上可靠的机器学习模型来解释反应结果
这项工作发表在《有机快报》上
“开发新的快速反应对药物发现中的化学库设计至关重要，”普渡大学科学学院分析和物理化学助理教授高拉夫·乔普拉说
“我们开发了一种新的、快速的、一锅法的多组分N-磺酰亚胺反应(MCR)，该反应被用作生成机器学习模型的训练数据、预测反应结果和以盲法前瞻性方式测试新反应的典型案例
“我们希望这项工作能够通过开发精确的、人类可理解的机器学习模型来解释反应结果，从而为改变当前的范式铺平道路，这将增强人类化学家发现新化学反应的创造力和效率，并增强有机和过程化学管道
" 乔普拉说，普渡团队的人类可解释的机器学习方法，作为化学反应流程图引入，可以扩展到探索任何MCR或任何化学反应的反应性
它不需要大规模的机器人，因为化学家可以在实验室进行反应筛选时使用这些方法
乔普拉说:“我们提供了第一份框架报告，将快速合成化学实验和量子化学计算结合起来，以理解反应机制和人类可解释的统计上鲁棒的机器学习模型，以确定预测和实验测试氮磺酰亚胺非均相反应性的化学模式。”
“机器学习模型在生成化学反应流程图方面的前所未有的应用，帮助我们理解了传统上在核磁共振中使用的不同的N-磺酰亚胺的反应性，”克鲁帕·杰特哈瓦说，他是乔普拉实验室的博士后研究员，也是这项工作的合著者
“我们相信，与有机化学家和计算化学家携手合作，将为将来解决其他反应的复杂化学反应性问题开辟一条新的途径
" 乔普拉说，普渡大学的研究人员希望他们的工作将为成为展示机器学习在药物设计和未来新合成方法开发中的力量的众多例子之一铺平道路
“在这项工作中，我们努力确保我们的机器学习模型能够被不精通该领域的化学家轻松理解，”乔纳森·费恩说，他是前普渡大学研究生，也是这项工作的合著者
“我们相信，这些模型不仅能用来预测反应，还能用来更好地理解特定反应何时发生
为了证明这一点，我们使用我们的模型来指导额外的底物来测试是否会发生反应
"
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
