具有所需特性的分子的计算设计
利用数据驱动的方法探索极其广阔的分子和材料空间，激发了无数的学术和工业举措，以寻找分子结构特征与其物理化学性质之间存在的基本关系。尽管在这一领域取得了重大进展，但对这些复杂关系的全面理解——即使是在小分子跨越的 CCS 更易于管理的领域——仍然缺乏，尽管这些分子在整个化学和制药科学中至关重要和高度相关。 。
“解开分子结构和性质之间的复杂关系不仅可以为我们提供探索和表征分子空间所需的工具，而且还可以大大提高我们合理设计具有目标物理化学性质的分子的能力”，Alexandre Tkatchenko 说，卢森堡大学物理与材料科学系理论化学物理学教授。
弱相关性实现“设计自由”
在著名期刊《化学科学》上发表的题为“化学化合物空间：走向理性的具有目标量子力学性质的分子的硅片设计中的自由设计”的论文中，其中一个关键发现是，大多数量子力学性质小分子的相关性很弱。
“虽然人们最初可能认为这一发现是对理性分子设计的挑战，但我们认为我们的分析强调了 CCS 中存在的内在灵活性——或“设计自由度”，其中似乎很少有限制阻止分子康奈尔大学理论化学教授 Robert DiStasio Jr. 说，“同时表现出任何一对性质或许多分子共享一系列性质”。
寻找化学空间中的最佳路径
为了探索这种内在的灵活性如何在分子设计过程中体现，分子设计过程通常涉及多种物理化学性质的同时优化，作者使用帕累托多性质优化来搜索同时具有大分子极化率和电子间隙的分子，这是一项设计任务与识别聚合物电池新型分子的相关性。作者发现了化学空间的路径，该路径由几个通过结构和/或成分变化连接的意想不到的分子组成，反映了合理设计和发现具有目标属性值的分子的自由度。
“下一步可能有趣的是，将这些帕累托最优结构与强大的机器学习方法结合使用，构建可靠的多目标框架，以系统地导航迄今为止尚未探索的化学空间”，Tkatchenko 教授解释道。
对分子设计范式的影响
通过证明“设计自由”是 CCS 的基本和新兴属性，我们的工作在合理分子设计和计算药物发现领域具有许多重要意义。首先，我们希望这项工作能够挑战化学科学界，让他们考虑如何利用这种内在的灵活性来扩展正向分子设计过程中的主导范式。我们还希望这项工作能够在解决逆向分子设计问题方面取得实质性进展，即人们试图找到与一系列目标特性相对应的分子(或一组分子)”，博士后研究员 Leonardo Medrano Sandonas 博士解释道。在卢森堡大学理论化学物理小组。
从这项工作中获得的见解与先进的机器学习方法相结合，可以帮助开发针对特定应用的新型分子的高通量筛选的有效策略，这是 Tkatchenko 教授小组的一个突出研究方向。研究团队使用了能源部科学办公室用户设施阿贡领导计算设施(ALCF)的高性能计算资源。
版权声明：本文由用户上传，如有侵权请联系删除！