最近,美国Scripps研究所Ryan A. Shenvi课题组的Nature最新成果“Total synthesis of twenty-five picrotoxanes by virtual library selection”标志着计算辅助全合成迈出了跨越式的一步,为未来AI指导天然产物全合成奠定了基础。当前的过渡态计算费时费力,为了指导更多天然分子的合成,Shenvi对计算方法进行了参数化简化。作者分析了1,5-HAT与β-裂解选择性的相关参数,选用原子间距离(O•→C)和自然键轨道(NBO)电荷的关键参数(O2和O3)将关环前体数据化。比如,预测显示两个前体分别以1:1和4:1的比例偏好1,5-HAT,与实验的2:1和6:1的比例高度一致,并据此完成了天然产物的全合成。根据这种参数化计算模型,作者后续共完成25个picrotoxanes天然产物的全合成。虽然这只是机器学习的一大步,还没有普适性,距离AI指导全合成还有很长的路,但开了个好头,后续AI设计助力全合成肯定会越来越多。本篇Nature文章链接:DOI: 10.1038/s41586-024-08538-y
最近,美国Scripps研究所Ryan A. Shenvi课题组的Nature最新成果“Total synthesis of twenty-five picrotoxanes by virtual library selection”标志着计算辅助全合成迈出了跨越式的一步,为未来AI指导天然产物全合成奠定了基础。当前的...显示全部