RUITA / DAILY BRIEF ·
ETH 与罗氏用实验数据和几何深度学习预测硼化反应位点
Nature Computational Science 论文把主动学习、实验采集与图神经网络连接,用于 C–H 硼化反应的结果和位点预测。
KEY FACTS
核心信息
- 01
论文提出结合实验数据获取与几何深度学习的闭环流程。
- 02
研究同时预测反应结果和发生硼化的位点。
- 03
作者在未见过的底物上做了前瞻性实验,用实验结果评估位点预测。
研究做了什么
团队用主动学习选择信息量高的实验,建立 C–H 硼化反应数据,再训练几何图神经网络判断反应是否发生、可能发生在分子的哪个位置。论文也分析了数据获取与模型设计对结果的作用。
怎样看待适用范围
这是一项特定化学反应与底物集合中的研究,不能直接推导模型能预测所有药物化学反应。高校研究者可把它当作数据稀缺情境下实验与机器学习协同的实例。