作者安妮·斯塔克，劳伦斯·利弗莫尔国家实验室 自动堆叠在3D空间中旋转晶体结构，以最小化分子的投影面积
收敛后，可以根据相对晶面角提取晶体的相关堆积基序
在本例中，优化过程后发现的堆叠表明了结构的β堆积模式
荣誉:劳伦斯·利弗莫尔国家实验室 无论有机化学家是致力于开发新的分子能量学，还是在制药行业创造新的重磅药物，他们都在探索如何优化分子的化学结构，以获得所需的目标特性
优化的一部分包括分子晶体的堆积模式，即分子在晶体结构中如何相对于彼此定向的感知模式
由于密集的人工标记过程和不充分的标记方案，当前的包装主题数据集仍然很小
为了帮助解决这个问题，劳伦斯利弗莫尔国家实验室(LLNL)的材料和计算机科学家团队开发了一个免费的软件包，Autopack，它将包装图案标记过程正规化，可以自动处理和标记成千上万个分子晶体结构的包装图案
这项研究发表在《化学信息与建模杂志》上
过去30年的小规模晶体工程研究表明，虽然仅从化学结构预测实验晶体结构仍然遥不可及，但分子的化学结构和它们采用的晶体结构的特定属性(称为填充基序)之间可能存在关系
分子晶体的填充基序是能量学和有机电子学应用中的一个重要概念，因为观察到分子晶体的填充基序和感兴趣的性能特性之间存在关联，包括对分子爆炸物的不敏感性和分子半导体的电荷传输
到目前为止，还没有一种正式的开源方法来分配包装主题
取而代之的是，简单地通过人类对晶体结构的评估和判断，包装图案被归因于分子晶体，从而产生小而有噪声的数据集
“在机器学习的时代，创建分子晶体堆积图案的大型标记数据集的能力现在尤其重要，”该论文的主要作者、LLNL数据科学家唐纳德·洛弗兰德说
“这种努力可能会产生仅根据分子的化学结构就能预测填充基序的模型，这将有助于有机化学家根据所需的填充基序和性质优先合成新分子
" 新的LLNL工作使用了有效的优化算法，避免了以前提出的包装图案标记方法中发现的许多问题，在LLNL管理的数据集上测试时，产生了新的最先进的结果
通过自动包装，研究人员已经能够为实验室感兴趣的一组高能和高能样分子生成一个包含近10，000个包装图案的数据集，这是一项以前不可能完成的任务
就上下文而言，由于手工标记的繁琐和耗时的性质，以前的文献一直被限制在100个分子的数量级
对这一新数据集的早期分析暗示了分子间相互作用、三维分子构象和该领域目前未探索的已采用填充基序之间的复杂趋势，为晶体工程管道的下一步提供了指导
该代码可通过实验室的创新和伙伴关系办公室免费获得
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
