logo

18.12.2020

Reaxys Predictive Retrosynthesis: новый подход к проведению ретросинтеза

Reaxys Predictive Retrosynthesis («Предиктивный ретросинтез Reaxys») был удостоен награды «2020 Life Sciences Award» от компании GHP. Согласно GHP, «объединив контент Reaxys с передовыми технологиями искусственного интеллекта и машинного обучения от компании PAI, Elsevier способна предложить решения, не имеющие аналогов».

Процесс синтеза молекул является серьезным сдерживающим фактором для проведения фармацевтических и химических разработок. Получение желаемой новой молекулы оптимальным путем синтеза требует значительного количества времени, усилий и опыта.

Reaxys Predictive Retrosynthesis стимулирует инновации, увеличивает вероятность успеха в области синтетической химии, а также решает задачи ретросинтеза для большего числа молекул и значительно быстрее, чем любое другое решение. Это новое решение основано на новаторской работе, опубликованной в журнале Nature. Используя передовую технологию глубокого обучения и высококачественные данные реакций из Reaxys, Reaxys Predictive Retrosynthesis создает шаблоны последовательностей химических реакций для создания малых органических молекул.

Reaxys Predictive Retrosynthesis быстрее, обширнее, гибче и интеллектуальнее любого существующего инструмента. Он позволяет планировать пути синтеза существующих и новых веществ в автоматическом режиме. Этот новый инструмент поддержки принятия решений является чрезвычайно полезным для исследователей и компаний:

  • Стимулирование инноваций: поиск инновационных путей синтеза новых соединений, поиск новых и оптимизированных путей синтеза существующих химических соединений.
  • Поддержка принятия решений: принимайте обоснованные решения о том, какие химические соединения производить и каким образом это делать.
  • Экономия времени: планирование пути синтеза в 30 раз быстрее и для почти в два раза большего числа молекул, чем другие автоматизированные инструменты планирования путей синтеза.
  • Настройка в соответствии с потребностями пользователей: возможность интеграции собственных компонентных библиотек пользователей и собственных данных о химических реакциях.

Reaxys Predictive Retrosynthesis использует:

  • Высококачественные данные о химических реакциях из Reaxys для обучения предиктивной модели.
  • Три глубокие нейронные сети для автоматического вывода и применения правил реакций с целью определения наиболее оптимальных путей синтеза.
  • Алгоритм поиска по дереву Монте-Карло (Monte Carlo tree search) для исключения не оптимальных путей синтеза на ранней стадии с целью ускорения процесса планирования путей синтеза.

Что отличает Reaxys Predictive Retrosynthesis от других решений?

Технология глубокого обучения, которая лежит в основе Reaxys Predictive Retrosynthesis, обработала данные о более чем 15 миллионах реакций и автоматически вывела порядка 400 000 правил. В процессе планирования путей синтеза для существующих или новых молекул система использует указанные правила вместо правил, создаваемых в ручном режиме.

Reaxys Predictive Retrosynthesis не имеет себе равных по многим параметрам:

  • Не зависит от правил, созданных в ручном режиме: тысячи правил реакций создаются в автоматическом режиме на основании данных из Reaxys, что позволяет избежать физических усилий, которые, как правило, необходимы при работе с другими решениями.
  • Индивидуальный подход: Reaxys Predictive Retrosynthesis может быть адаптирован к требованиям компании путем интеграции собственных компонентных библиотек и/или данных реакций компании.
  • Самообучение: создание и обновление моделей происходит быстро, благодаря возможности «самообучения» на основе растущего объема химических данных.
  • Надежность: созданные пути синтеза были протестированы двойным слепым методом с участием 45 химиков-органиков со всего мира и доказали свою надежность.
Если вы хотите узнать больше о том, как Reaxys Predictive Retrosynthesis можем помочь в вашей работе, свяжитесь с нами через форму обратной связи, указав "Reaxys RT" в своем запросе.  

Все новости

logo

© 2019 Elsevier, кроме контента, предоставленного третьей стороной.
На данном сайте используются cookie-файлы. Если вы не согласны с их использованием или хотите получить дополнительную информацию, посетите нашу специализированную страницу.

Term & Conditions Privacy Policy

logo