.png){kind=icon}
返回
Transferable enantioselectivity models from sparse data
.png){kind=icon}
PRE
AI
DOI：10.1038/s41586-026-10239-7.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
识别一类催化剂以优化新反应的对映选择性，无论是涉及不同组合的已知底物类型，还是完全陌生的化合物类别，都是一个艰巨的挑战。基于已报道反应集训练的统计模型有助于预测1–5样本外的转化，但通常面临两大挑战：(1) 仅可获得稀疏数据，即关于催化剂-底物相互作用的有限信息；(2) 简单的立体电子参数可能无法描述机制复杂的转化。6,7 本文报道了一种描述符生成策略，该策略考虑了手性决定步骤随催化剂或底物身份的变化，使我们能够模拟涉及不同配体和底物类型的反应。作为验证案例研究，我们收集了关于对映选择性镍催化C(sp3)-偶联8的数据，并使用从被提议参与手性诱导的过渡态和中间体中提取的特征训练了统计模型。这些模型可用于优化底物范围中报道的较差性能的实例，并适用于未见过的配体和反应伙伴。该方法为催化剂和反应开发提供了简化途径，能够将稀疏数据中学到的知识定量地转移到新的化学空间。
Keyword:
Asymmetric catalysis
Synthetic chemistry methodology
Science
Humanities and Social Sciences
multidisciplinary
