Optymalizacja reakcji cyfrowych za pomocą Catalexis
Inteligentniejsza chemia, szybsze wyniki
A co by było, gdyby przesiewanie katalizatorów i ligandów do złożonych reakcji krzyżowego sprzęgania mogło być przewidywalne, szybkie i oparte na sztucznej inteligencji, zamiast polegać na tradycyjnych metodach prób i błędów? Catalexis zapewnia właśnie to, łącząc optymalizację katalizatorów opartą na sztucznej inteligencji, modelowanie bayesowskie BayBE oraz wyselekcjonowaną płytkę z 23 ligandami fosfinowymi, umożliwiając inteligentniejsze i bardziej wydajne przesiewanie w przypadku przemian takich jak aminowanie metodą Buchwalda-Hartwiga oraz sprzęganie metodą Suzuki–Miyaura.
Stworzony zarówno z myślą o tradycyjnej chemii laboratoryjnej, jak i eksperymentach o wysokiej przepustowości (HTE), Catalexis umożliwia badaczom cyfrowe badanie przestrzeni reakcyjnej, zmniejszenie obciążenia eksperymentalnego oraz przyspieszenie identyfikacji ligandów o wysokiej wydajności w reakcjach sprzęgania krzyżowego oraz innych wrażliwych przemianach, w których niewielkie zmiany parametrów mają wpływ na wydajność i selektywność.
Jak działa Catalexis?
Krok 2: Przeprowadź reakcje przesiewowe z wykorzystaniem 23 ligandów
Przeprowadź badanie przesiewowe z użyciem 23 ligandów, stosując wybrany substrat i warunki, utrzymując wszystkie zmienne na stałym poziomie. Rozwiązanie jest kompatybilne zarówno z konfiguracjami ręcznymi, jak i zautomatyzowanymi procesami HTE.
Krok 3: Prześlij wyniki testu reakcji na portal Catalexis
Wprowadź wydajności reakcji (0–100) do portalu Catalexis i wykorzystaj 1 token, aby otrzymać listę najlepszych kandydatów na ligandy. Nie są wymagane żadne metadane chemiczne.
Krok 4: Wygenerowanie rankingów ligandów opartych na sztucznej inteligencji Rankingi ligandów oparte na sztucznej inteligencji
Catalexis porównuje dane użytkownika z własną bazą danych zawierającą ponad 400 ligandów i wskazuje te, które osiągają najlepsze wyniki.
Krok 5: Zbadaj przestrzeń reakcji za pomocą BayBE
Zdefiniuj parametry reakcji, a silnik uczenia maszynowego BayBE (Bayesian back-end) zaproponuje najbardziej obiecujące kolejne eksperymenty w obrębie przestrzeni chemicznej, umożliwiając w ten sposób bardziej efektywne badanie tej przestrzeni niż w przypadku tradycyjnych metod DOE.
Krok 6: Optymalizacja z wykorzystaniem wskazówek
Prześlij swoje najnowsze wyniki, a natychmi warunki, które pomogą Ci dalej zwiększać plony, zostaną natychmiast zaproponowane
Krok 7: Powtórz tę czynność, aby doprecyzować wyniki
Powtarzaj kroki 5–6, aż reakcja osiągnie pożądany wynik, niezależnie od tego, czy chodzi o wydajność, stopień konwersji, ograniczenie ilości produktów ubocznych czy inną zmienną określoną przez użytkownika.
Dlaczego warto wybrać Catalexis zamiast tradycyjnych metod selekcji katalizatorów?
Funkcja | Katalexis | Tradycyjne badania przesiewowe |
|---|---|---|
Metoda selekcji | Optymalizacja bayesowska oparta na sztucznej inteligencji pozwala przewidzieć najbardziej obiecujące kolejne eksperymenty | Selekcja metodą prób i błędów z ręcznym podejmowaniem decyzji |
Rozmiar zestawu ligandów | Wykorzystuje wyselekcjonowaną płytkę z 23 ligandami fosfinowymi, popartą bazą danych zawierającą ponad 400 ligandów | Małe zestawy ligandów, ograniczone pokrycie przestrzeni chemicznej |
Czas uzyskania wyników | Optymalizacja w ciągu kilku dni dzięki wyborowi eksperymentów kierowanemu przez sztuczną inteligencję | Wymaga tygodni iteracyjnych prób i błędów |
Zużycie materiałów | Zużywa znacznie mniej katalizatora, substratu i rozpuszczalnika | Wysokie zużycie odczynników z powodu dużych zestawów eksperymentów |
Liczba eksperymentów | Minimalna; modele bayesowskie wybierają wyłącznie serie o wysokiej wartości | Do zbadania przestrzeni chemicznej potrzeba wielu eksperymentów |
Podejmowanie decyzji | Oparte na danych, predykcyjne rankingi ligandów | Ręczna interpretacja i testowanie sekwencyjne |
Efektywność eksploracji | Wykorzystanie uczenia maszynowego do identyfikacji obiecujących obszarów przestrzeni chemicznej | Jednolite przesiewanie prowadzi do zbędnych eksperymentów |
Wpływ na koszty | Niższe koszty dzięki mniejszej liczbie serii i zmniejszonej ilości odpadów | Wyższe koszty operacyjne i większe zużycie substancji chemicznych |
Elastyczność procesu | Działa w ramach badań laboratoryjnych, równoległych i zautomatyzowanych testów HTE | Przepływy pracy głównie ręczne |
Produkty powiązane
Response not successful: Received status code 500
Opinie użytkowników
Dowiedz się, jak Catalexis zmienia oblicze laboratoriów – oto, co chemicy mówią o swoich doświadczeniach:
„Catalexis znacznie usprawniło proces optymalizacji reakcji diaminowania 1,3-dichlorobenzenu, pozwalając nam zaoszczędzić czas dzięki udostępnieniu wyselekcjonowanego zestawu ligandów do badań przesiewowych. Po trzech rundach badań przesiewowych zidentyfikowaliśmy najlepszy ligand do naszego ostatecznego procesu na skalę przemysłową”.
Laboratorium Rozwoju Procesów Pharma Biotech
„Zaproponowane ligandy dały doskonałe wyniki, w tym niektóre, których początkowo nawet nie rozważałem wypróbować”.
Laboratorium Chemii Medycznej
„Catalexis to świetne narzędzie, w ramach którego zestaw 23 ligandów pozwala – przy pomocy sztucznej inteligencji – ocenić i przewidzieć skuteczność około 500 ligandów”.
Chemik zajmujący się badaniami i rozwojem w dziedzinie chemii syntetycznej
Powiązane materiały
- Aldrichimica Acta 57.1 – wydanie specjalne poświęcone katalizie
Aldrichimica Acta covers diverse chemical research topics, fostering international collaboration in chemistry.
Zaloguj się lub utwórz konto, aby kontynuować.
Nie masz konta użytkownika?Dla wygody naszych klientów ta strona została przetłumaczona maszynowo. Dołożyliśmy starań, aby zapewnić dokładne tłumaczenie maszynowe. Tłumaczenie maszynowe nie jest jednak doskonałe. Jeśli tłumaczenie maszynowe nie spełnia Twoich oczekiwań, przejdź do wersji w języku angielskim.