Beide Fassungen sind Block für Block ausgerichtet, in der Reihenfolge des Textes: Titel, das Wesentliche, dann Absatz für Absatz. Wo die Übersetzung einen Absatz zusammengezogen oder geteilt hat, bleibt das entsprechende Feld leer — wir stellen niemals zwei Passagen nach Gefühl nebeneinander.
Chemists who want to know where a molecule will react have long relied on product yield, the share of starting material that ends up as the intended product after several synthesis steps. The measure is blurred by purification and by side reactions, and it changes from one synthesis scenario to another. It also says nothing about which of several reactive groups actually reacted.
Chemiker, die wissen wollen, wo ein Molekül reagiert, verlassen sich seit Langem auf die Produktausbeute, also den Anteil der Ausgangssubstanz, der nach mehreren Syntheseschritten als gewünschtes Produkt vorliegt. Diese Größe wird durch Reinigung und Nebenreaktionen verwischt und ändert sich von einem Syntheseszenario zum anderen. Außerdem sagt sie nichts darüber, welche von mehreren reaktiven Gruppen tatsächlich reagiert hat.
At Yokohama National University, a team led by associate professor Hiroaki Gotoh and doctoral student Daimon Sakaguchi chose a simpler route. They mixed complex molecules containing several ketone groups, which are oxygen and carbon atoms joined by a double bond, with different amounts of sodium borohydride in methanol. By measuring which ketone group reacted first, they built a kinetic scale, or reaction-rate map, for each molecule. The team then combined this map with three-dimensional electronic information taken from around each reacting site, and fed both into a machine-learning model.
An der Yokohama National University wählte ein Team um den außerordentlichen Professor Hiroaki Gotoh und den Doktoranden Daimon Sakaguchi einen einfacheren Weg. Sie mischten komplexe Moleküle mit mehreren Ketongruppen, also Sauerstoff- und Kohlenstoffatomen, die durch eine Doppelbindung verbunden sind, mit unterschiedlichen Mengen Natriumborhydrid in Methanol. Indem sie maßen, welche Ketongruppe zuerst reagierte, erstellten sie für jedes Molekül eine kinetische Skala, also eine Reaktionsgeschwindigkeitskarte. Anschließend kombinierte das Team diese Karte mit dreidimensionalen elektronischen Informationen aus der Umgebung jeder Reaktionsstelle und speiste beides in ein Modell für maschinelles Lernen ein.
The model was trained only on simple molecules. Tested on six more complex molecules, each with two ketone groups, it correctly predicted both the main reaction site and the side from which the reaction occurred. The study, published in JACS Au, shows that competition experiments can link laboratory measurements, quantum-chemical calculations and machine learning in a single workflow. The authors stress that these are laboratory results on a defined reaction, with sodium borohydride in methanol.
Das Modell war nur mit einfachen Molekülen trainiert worden. Bei sechs weiteren, komplexeren Molekülen mit jeweils zwei Ketongruppen sagte es sowohl die wichtigste Reaktionsstelle als auch die Seite, von der die Reaktion ausging, richtig voraus. Die in JACS Au veröffentlichte Studie zeigt, dass Konkurrenzexperimente Labormessungen, quantenchemische Berechnungen und maschinelles Lernen in einem einzigen Workflow verbinden können. Die Autoren betonen, dass es sich um Laborergebnisse zu einer klar definierten Reaktion mit Natriumborhydrid in Methanol handelt.
For a chemist designing a drug candidate, the practical gain would be knowing, before synthesis, which part of a molecule is likely to react and which product will form. Gotoh names drug candidates, natural products and functional molecules as the target, and frames the aim as fewer trial-and-error cycles and faster discovery of new molecules and synthetic routes. The team does not say when such predictions could be used in practice, nor whether the model holds for reactions other than this one. What it does offer is a curated kinetic database and a descriptor workflow that other researchers can reuse to build new models and test their hypotheses on more complex reductions.
Für Chemiker, die einen Wirkstoffkandidaten entwerfen, läge der praktische Gewinn darin, vor der Synthese zu wissen, welcher Teil eines Moleküls voraussichtlich reagiert und welches Produkt entstehen wird. Gotoh nennt Wirkstoffkandidaten, Naturstoffe und funktionelle Moleküle als Ziel und beschreibt das Anliegen als weniger Ausprobieren und schnellere Entdeckung neuer Moleküle und Syntheserouten. Wann solche Vorhersagen praktisch genutzt werden könnten, sagt das Team nicht, ebenso wenig, ob das Modell auch für andere Reaktionen gilt. Angeboten wird jedoch eine kuratierte kinetische Datenbank sowie ein Deskriptor-Workflow, die andere Forschende wiederverwenden können, um neue Modelle zu entwickeln und ihre Hypothesen an komplexeren Reduktionen zu testen.