机器学习引导的新生物正交点击反应的计算筛选
化学物理
2023-02-21 v1
摘要
生物正交点击化学已成为生化学家工具箱中不可或缺的一部分。尽管近年来已开发出多种多样的应用，但目前发现的生物正交点击反应数量有限，其中大多数基于（取代）叠氮化物。本工作中，我们提出一种计算工作流以发现新的候选生物正交点击反应。在超过 10,000,000 个偶极环加成的总搜索空间中仅采样约 0.05%，我们开发了能在该整个空间内以约 2-3 kcal/mol 精度预测 DFT 计算的活化能与反应能的机器学习模型。将该模型通过迭代学习轮次应用于筛选完整搜索空间，我们识别出具有丰富结构多样性的广泛候选反应池，可作为未来基于叠氮与非叠氮的生物正交点击反应实验开发的起点或灵感来源。
引用
@article{arxiv.2212.07621,
title = {Machine learning-guided computational screening of new bio-orthogonal click reactions},
author = {Thijs Stuyver and Connor Coley},
journal= {arXiv preprint arXiv:2212.07621},
year = {2023}
}
备注
53 pages, 11 figures, journal manuscript