Vorhersage von Reaktionsergebnissen Maschinelles Lernen in der Chemie

Anbieter zum Thema

Sinequa

Westfälische-Wilhelms Universität Münster

Bei der Herstellung chemischer Verbindungen hängt der Erfolg jeder einzelnen Reaktion von vielen Parametern ab. Selbst für erfahrene Chemiker ist es nicht immer möglich vorherzusagen, ob eine Reaktion stattfindet und, wie gut sie funktionieren wird. Um das zu ändern, haben Chemiker und Informatiker der Westfälischen Wilhelms-Universität Münster (WWU) eine Methode entwickelt, die auf Künstlicher Intelligenz basiert.

Künstliche Intelligenz hat in den vergangenen Jahren Einzug in den Alltag von Menschen gehalten – ob beim autonomen Fahren, der Übersetzung von Fremdsprachen oder in der medizinischen Diagnostik. Auch in der chemischen Forschung sind die Bestrebungen groß, künstliche Intelligenzen, maschinelles Lernen genannt, effektiv anzuwenden. Chemiker konnten solche Technologien bereits erfolgreich einsetzen, um die Eigenschaften einzelner Moleküle vorherzusagen – was es ihnen erleichtert, die herzustellenden Verbindungen auszuwählen.

Diese Herstellung, auch als Synthese bezeichnet, ist für gewöhnlich mit erheblichem Aufwand verbunden. Es gibt viele mögliche Syntheserouten, also Wege, um ein Zielmolekül herzustellen. Da der Erfolg jeder einzelnen Reaktion von zahlreichen Parametern abhängt, ist es selbst für erfahrene Chemiker nicht immer möglich vorherzusagen, ob eine Reaktion stattfindet und erst recht nicht, wie gut sie funktionieren wird. Um das zu ändern, hat sich ein Team aus Chemikern und Informatikern der Westfälischen Wilhelms-Universität Münster (WWU) zusammengeschlossen und eine Methode entwickelt, die auf Künstlicher Intelligenz basiert. Die Studie ist in der Fachzeitschrift „Chem“ erschienen.

„Eine chemische Reaktion ist ein hochkomplexes System“, erläutert Frederik Sandfort, Doktorand am Organisch-Chemischen Institut der WWU und einer der Erstautoren der Studie. „Im Gegensatz zur Vorhersage von Eigenschaften einzelner Verbindungen ist eine Reaktion das Zusammenspiel vieler Moleküle und somit ein multidimensionales Problem.“ Zudem gebe es keine klar definierten „Spielregeln“, die – wie bei modernen Schachcomputern – die Entwicklung von auf Künstlicher Intelligenz beruhenden Modellen vereinfachen. Aus diesem Grund basieren die bisherigen Ansätze zur akkuraten Vorhersage von Reaktionsergebnissen wie den Ausbeuten, also der Menge an gewonnenen Produkten, oder den Produkten selbst zumeist auf einem zuvor gewonnenen Verständnis über die molekularen Eigenschaften. Die Entwicklung solcher Modelle sei mit einem hohen Aufwand verbunden. Zudem wären diese mehrheitlich hoch spezialisiert und nicht auf andere Problemstellungen übertragbar, so Frederik Sandfort.

Visualisierung von organischen Verbindungen

Der Fokus der vorgestellten Arbeit lag daher besonders darauf, das Programm generell anwendbar zu machen, sodass es andere Chemiker leicht für ihre eigene Arbeit nutzen können. Um das zu gewährleisten, basiert das Modell direkt auf molekularen Strukturen. Jede organische Verbindung kann wie ein Graph, quasi als Bild, dargestellt werden. Informatiker Marius Kühnemund, ein weiterer Hauptautor erläutert, dass auf solchen Graphen einfache Strukturabfragen vorgenommen werden können, vergleichbar mit der Frage nach der Farbe oder Formen von Fotos. So können die Forscher die sogenannte chemische Umgebung möglichst genau erfassen.

Die Zusammenführung vieler aufeinanderfolgender Abfragen ergibt einen sogenannten molekularen Fingerabdruck. Solche einfachen Zahlenfolgen werden schon lange in der Chemoinformatik genutzt, um strukturelle Ähnlichkeit zu finden und eignen sich gut für computergestützte Anwendungen. In ihrem Ansatz verwendeten die Autoren eine Vielzahl solcher Fingerabdrücke, um die chemische Struktur jedes Moleküls möglichst genau darzustellen. Auf diese Weise konnten die Wissenschaftler ein robustes System entwickeln, das für die Vorhersage von ganz verschiedenen Reaktionsergebnissen genutzt werden kann. Dasselbe Modell kann sowohl für die Vorhersage von Ausbeuten als auch von Stereoselektivitäten genutzt werden.

Die Wissenschaftler wollen in Zukunft ihr Programm weiterentwickeln und mit neuen Funktionen ausstatten. Studienleiter Prof. Dr. Frank Glorius ist sich sicher: das der Computer bei der Auswertung großer Mengen komplexer Daten dem Menschen grundsätzlich überlegen ist. Doch sein Ziel ist es nicht, synthetische Chemiker durch Maschinen zu ersetzen, sondern sie möglichst effektiv zu unterstützen.

Originalpublikation: F. Sandfort et al. (2020): A Structure-Based Platform for Predicting Chemical Reactivity. Chem, DOI: 10.1016/j.chempr.2020.02.01

Dieser Artikel stammt von unserem Partnerportal Process.

(ID:46458105)