Projektbeschreibung
Fortschritte bei der Modellierung chemischer Reaktionen
Auf dem Gebiet der Chemie stellt die genaue Modellierung chemischer Reaktionen, insbesondere von stereo- und regioselektiven Reaktionen, immer noch eine große Herausforderung dar. Die derzeitigen Verfahren des maschinellen Lernens haben sich bei der Molekülmodellierung bewährt, versagen jedoch bei der Vorhersage komplexer Reaktionswege, die zur nachhaltigen Synthese wie der asymmetrischen Organokatalyse und Biokatalyse unerlässlich sind. In diesem Zusammenhang zielt das Team des ERC-finanzierten Projekts DeepRxn darauf ab, diese Lücke mit der Entwicklung innovativer, datengesteuerter Deep-Learning-Rahmen zu schließen, die eine bessere Modellierung von organischen und enzymatischen Reaktionen zulassen. Das Team von DeepRxn wird die Chemo-, Regio- und Stereoselektivität in den Mittelpunkt rücken und faltende neuronale molekulare Netzwerke auf der Grundlage von Graphen und versteckte dreidimensionale Darstellungen einsetzen, um im Ergebnis ein quelloffenes Instrumentarium zu schaffen, mit dem Aktivierungsenergien exakt vorherzusagen und neue enantioselektive Transformationen zur nachhaltigen Synthese zu ermitteln sind.
Ziel
The exploration of reactions is a central topic in chemistry. Compared to the success of machine learning for molecules, the modeling of reactions is lagging behind, especially for stereo- and regioselective reactions. Since current efforts toward sustainable synthesis such as asymmetric organocatalysis or biocatalysis rely on the accurate prediction of enantio- and regioselective reaction pathways, new modeling approaches are needed. The proposed project aims toward developing new, data-driven deep learning frameworks for modeling organic and enzymatic reactions, focusing on chemo-, regio-, and stereoselectivity arising through intermolecular interactions with the reagent, solvent, or catalyst. In detail, we target the rule-free, stereochemistry-aware modeling and subsequent experimental validation of asymmetric organocatalysis to identify new enantioselective transformations, the exploration of new biocatalytic synthesis pathways including enzymatic cascades, and the accurate prediction of activation energies via developing new deep learning approaches. We will expand molecular graph-convolutional neural networks and graph transformers to reactions in a rule-free manner, and introduce hidden three-dimensional representations to account for stereochemistry and intermolecular interactions, yielding a versatile, open-source toolbox for reaction deep learning. This approach largely surpasses current approaches, which rely on two-dimensional representations, reaction rules, or three-dimensional input data, in offering the opportunity to model three-dimensional aspects and atom-mapping on-the-fly, for the first time, representing a significant breakthrough in this field. Its experimental validation campaign further allows for a direct application to the identification of new asymmetric organocatalytic transformations, as well as enzymatic cascades including cofactor recycling and side-product reduction, addressing the current need for more sustainable synthesis.
Wissenschaftliches Gebiet (EuroSciVoc)
CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht.
CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht.
- NaturwissenschaftenChemiewissenschaftenorganische Chemieorganische Reaktionen
- NaturwissenschaftenInformatik und Informationswissenschaftenkünstliche Intelligenzmaschinelles LernenDeep Learning
- NaturwissenschaftenChemiewissenschaftenKatalyseBiokatalyse
- NaturwissenschaftenInformatik und Informationswissenschaftenkünstliche IntelligenzComputational Intelligence
Sie müssen sich anmelden oder registrieren, um diese Funktion zu nutzen
Schlüsselbegriffe
Programm/Programme
- HORIZON.1.1 - European Research Council (ERC) Main Programme
Thema/Themen
Finanzierungsplan
HORIZON-ERC - HORIZON ERC GrantsGastgebende Einrichtung
1040 Wien
Österreich