Nature Synthesis：一个神经网络模型为氯喹倍半萜类化合物的全合成提供信息

NavyLIu

2023-03-21

复杂小分子的有效合成，如生物活性天然产物，通常涉及详细的反合成规划和合成路线的实验评估。这种方法的核心挑战是资源密集型的高风险策略实验评估，因为它需要对不成功的策略进行迭代尝试。近日，耶鲁大学Timothy R. Newhouse报道了一个为氯喹倍半萜类化合物全合成提供信息的神经网络模型。

本文要点：

1) 随着化学信息学和人工智能的快速发展，计算机辅助综合规划应运而生。在此，作者报道了一种补充策略，该策略将人工生成的合成计划与所提出的合成中关键步骤可行性的计算预测相结合。在基于文献的数据集上训练神经网络模型（NNET），6-内-三自由基环化转化。

2) 作者通过对模型性能进行了严格测试发现，该NNET模型对潜在底物进行虚拟筛选的基础上，选择了最佳的断开和结构修饰，从而实现了三种氯喹倍半萜的五到八步合成。该工作确立了机器学习模型如何为人类设计提供信息，并指导复杂小分子的多步合成。

参考文献：

Pengpeng Zhang et.al A neural network model informs the total synthesis of clovane sesquiterpenoids Nature Synthesis 2023

DOI: 10.1038/s44160-023-00271-0

https://doi.org/10.1038/s44160-023-00271-0