A equipe liderada pelo Prof Frank Glorius transferiu todos os ingredientes farmacêuticos ativos aprovados para um código digital. Crédito:Uni MS – Debanjan Rana/Grupo Glorius Os químicos frequentemente desenvolvem e otimizam novas reações químicas usando os chamados sistemas modelo, ou seja, substratos simples e facilmente acessíveis. Eles então usam cerca de 100 outros substratos como exemplos para mostrar que a reação funciona. Esta demonstração de aplicabilidade versátil é chamada de “escopo” no jargão técnico.
No entanto, uma selecção subjectiva de substratos resulta frequentemente numa imagem distorcida da gama de aplicações da reacção recentemente desenvolvida. Muitas vezes não está claro se pode ser usado para sintetizar um produto desejado. Para resolver este problema, uma equipe liderada pelo químico Prof Frank Glorius da Universidade de Münster (Alemanha) está propondo um método auxiliado por computador e livre de preconceitos para selecionar os substratos modelo para avaliar novas reações químicas.
A seleção de substratos é baseada na complexidade e nas propriedades estruturais de compostos farmacêuticos reais. “Nosso método visa melhorar a qualidade e o conteúdo informativo dos dados de reações químicas no futuro e preencher lacunas de conhecimento”, explica Glorius.
Uma compreensão mais profunda das novas reações reduz as barreiras à sua aplicação tanto num contexto académico como industrial. A disponibilidade de dados imparciais e de alta qualidade também facilita significativamente a utilização da aprendizagem automática e abre caminho para uma utilização mais abrangente dos dados. O trabalho foi publicado na revista ACS Central Science .
Segundo os autores da equipe, as tentativas de padronizar e objetivar o desenvolvimento e avaliação de reações químicas ainda são bastante novas e relativamente incomuns. "Gostaríamos de iniciar um 'processo de repensar' com a nossa publicação. Em vez de fazer tantos experimentos quanto possível, que são muitas vezes tendenciosos ou têm um resultado previsível, o foco deveria ser na obtenção dos melhores dados possíveis sobre novas reações químicas," diz o primeiro autor Debanjan Rana.
Outros cientistas também tentaram avaliar as reações químicas com base em substratos "melhores" selecionados. No entanto, este trabalho limitou-se a casos especiais - quer a estruturas firmemente selecionadas com relevância farmacêutica, quer a estruturas especialmente adaptadas para uma única reação, que têm de ser calculadas e selecionadas num processo complexo.
Ao contrário do trabalho anterior, o método apresentado pela equipe de Münster leva em consideração toda a estrutura de uma molécula, o que o torna universalmente aplicável a qualquer reação química.
Niklas Hölter, um dos autores do artigo em Münster, explica o processo de pensamento por trás do estudo:"O escopo é de importância central em todas as publicações sobre síntese química. No entanto, os químicos são frequentemente tendenciosos na escolha dos compostos de substrato a serem testados.
"Por exemplo, eles escolhem substratos que são estruturalmente muito simples, muito semelhantes ao substrato modelo ou simplesmente disponíveis em laboratório ('viés de seleção'). Eles muitas vezes não mencionam reações malsucedidas em suas publicações, a fim de pintar uma imagem melhor ('viés de reportagem')."
Ao sintetizar novos compostos químicos, tais como ingredientes ativos ou materiais, os químicos têm de selecionar o método mais adequado para produzir o composto alvo a partir de um grande número de reações e métodos químicos conhecidos. Para isso, consideram diversos fatores, como o rendimento do produto desejado, além de aspectos ambientais e de segurança. O desenvolvimento de reações químicas novas e versáteis continua, portanto, a ser um foco da pesquisa química atual.
O método desenvolvido pela equipe da Universidade de Münster usou impressões digitais moleculares para transferir todos os ingredientes farmacêuticos ativos aprovados para um código digital. Usando métodos não supervisionados de aprendizado de máquina e agrupamento, eles criaram um modelo que divide esse “espaço” de ingredientes farmacêuticos ativos em regiões quimicamente significativas baseadas em estruturas moleculares.
Para avaliar uma nova reação química, milhares de potenciais substratos de teste podem ser projetados no mesmo espaço usando o modelo de aprendizado de máquina. Um substrato de teste é selecionado automaticamente do centro de cada uma das regiões previamente identificadas para cobrir todo o espaço sem viés.