Con las condiciones optimizadas generadas por máquinas, investigadores de la Universidad de Illinois en Urbana-Champaign (Champaign, IL, EUA), el Instituto de Química Orgánica de la Academia Polaca de Ciencias (IOC PAS, Varsovia, Polonia) y la Universidad de Toronto (Toronto, ON, Canadá) duplicaron el rendimiento promedio de un tipo de reacción especial, difícil de optimizar, que une átomos de carbono en moléculas farmacéuticamente importantes. Los investigadores dicen que su sistema proporciona una plataforma que también podría usarse para encontrar condiciones generales para otras clases de reacciones y soluciones para problemas complejos similares. Un enfoque automatizado con condiciones generalizadas podría ayudar a estandarizar cómo los químicos fabrican algunos productos, abordando el problema de la reproducibilidad.

Los estudios publicados reflejan condiciones que son populares o convenientes, en lugar de las mejores, por lo que, según los investigadores, era necesario un enfoque sistemático que incluyera datos diversos y resultados negativos. Primero, el equipo ejecutó toda la matriz de posibles combinaciones utilizando la química de los componentes básicos a través de un algoritmo para agrupar reacciones similares. Luego, la IA enviaba instrucciones, ingresadas a una máquina en el Molecule Maker Lab ubicado en el Instituto Beckman de Ciencia y Tecnología Avanzadas, para producir reacciones representativas de cada grupo. La información de reacciones retroalimentó el modelo; la IA aprendió de los datos y destruyó más experimentos de la máquina de moléculas.

El proceso identificó condiciones que duplicaron el rendimiento promedio de una clase de rechazo de reacciones, denominada Suzuki-Miyaura de heteroarilo, crucial para muchos compuestos biológicos y materiales relevantes. Según los investigadores, el proceso de aprendizaje automático también podría aplicarse a otras áreas amplias de la química para encontrar las mejores condiciones de reacción para otros tipos de moléculas pequeñas o incluso polímeros orgánicos más grandes.

"La generalidad es fundamental para la automatización y, por lo tanto, hacer que la innovación molecular sea accesible para los no químicos", dijo el codirector del estudio, el Dr. Martin D. Burke. “Las posibles condiciones de reacción son muchas, por lo que el desafío es aprovechar el poder de la inteligencia artificial y la química de los componentes básicos para crear un circuito de retroalimentación”, explicó Burke.

Fuente: Lab Médica