Purdue大学科学家正在使用机器学习模型来为药物发现管道创造新的选择。
与可解释机学习创新的一步多组分反应，开发药物发现的化学文库。
机器学习广泛用于药品设计和其他过程的化学科学。
对新的反应结果进行了前瞻性测试的模型，用于增强人类理解，以解释这些模型制造的化学反应性决定非常有限。
Purdue大学创新者引入了化学反应性流程图，以帮助化学家使用统计上强大的机器学习模型在少量反应上培训的统计鲁棒机器学习模型来解释反应结果。这项工作是在有机字母中发表的。
“开发新的和快速反应对于药物发现中的化学图书馆设计至关重要，”普渡大学科学学院分析与物理化学助理教授Gaurav Chopra说。“我们已经开发出一种新的N-磺酰基姆的新的，快速和一盆多组分反应（MCR），其用作用于为机器学习模型的训练数据产生的代表性案例，以盲目的方式预测反应结果并测试新反应。
“我们预计这项工作可以通过开发准确，人类可理解的机器学习模型来解释将增加人类化学家的创造力和效率来发现新化学反应和增强有机化学和工艺化学管道的反应结果来铺平当前的范式。 “
Chopra表示，普渡队的人类可解释的机器学习方法作为化学反应性流程图，可以扩展以探讨任何MCR的反应性或任何化学反应。它不需要大规模的机器人，因为这些方法可以由化学家使用，同时在其实验室进行反应筛查。
“我们提供了一个框架的第一个报告，以将快速合成化学实验和量子化学计算结合以了解反应机制和人类可解释的统计上强大的机器学习模型，以识别用于预测和实验上N-磺酰基姆内的异质反应性的化学模式，”Chopra说。
这项工作与Chopra实验室的其他创新和研究一致，其团队成员与Purdue Research Countract Offical商业化研讨会合作，以专利众多技术。
“在生成化学反应性流程图中，前所未有的使用机器学习模型有助于我们了解MCR中传统使用的不同N-磺酰胺的反应性，”Chopra的实验室博士后研究员共同撰写工作。“我们认为，与有机和计算化学家的手事和计算化学家将开辟一个新的途径，以解决未来其他反应的复杂化学反应性问题。”
Chopra表示，Purdue研究人员希望他们的作品将成为众多例子之一，以展示机器学习为新的综合方法开发的药物设计和未来的众多实例。
“在这项工作中，我们努力确保化学家无法熟悉这一领域的机器学习模式，”乔纳森罚款，是一位前普渡等等的工作。“我们认为这些模型不仅能够用于预测反应而且在给定的反应发生时更好地理解的能力。为了证明这一点，我们使用模型来指导额外的基板来测试是否会发生反应。“
参考：Krupal P. Jethava，Jonathan Fine，Yingqi Chen，Ahad Hossain和Gaurav Chopra，19020年10月19日，有机字母，“加速反应性机制和N-磺酰基姆对快速多组分反应的可解释机制
10.1021 / ACS.ORGLETT.0C03083
关于Purdue Research基金会商业化办公室
Purdue Research基金会办公室办公室经营着本办公室提供的美国服务领先的研究大学中最全面的技术转让计划之一，支持普渡大学的经济发展举措，通过商业化，许可和保护普渡提出大学的学术活动知识产权。该办公室最近迁入了毗邻Purdue Campus的Discovery Park区的创新和合作融合中心。在2020年财政年度，办公室报告了148名优先达成225种技术，收到408份披露，180名颁发美国专利。该办公室由Purdue Research Foundation管理，该基金会获得2019年的创新和经济繁荣大学，从公共和土地资助大学协会颁发。2020年，IPWatchDog学院在启动创作中排名第三，并在前20个专利。Purdue Research Foundation是一个私人非营利组织，创造了推动普渡大学的使命。
关于普渡大学
Purdue大学是一个高级公共研究机构，为今天的最艰难的挑战制定了实际解决方案。在美国新闻和世界报告中排名第五大学，普德斯提供世界不断变化的研究和脱离世界发现。聘请在线和在线，现实世界学习，Purdue为所有人提供了转型性教育。致力于提供负担能力和可访问性，Purdue在2012-13级级别冻结了学费和大多数费用，使更多的学生能够比以往任何时候都毕业。
