As duas versões estão alinhadas bloco a bloco, pela ordem do texto: título, o essencial e depois parágrafo a parágrafo. Quando a tradução fundiu ou dividiu um parágrafo, a casa correspondente fica vazia — nunca aproximamos duas passagens a olho.
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.
Os químicos que querem saber onde é que uma molécula vai reagir recorrem há muito ao rendimento do produto, ou seja, à proporção do material de partida que acaba como produto pretendido após várias etapas de síntese. Esta medida é afetada pela purificação e pelas reações secundárias, e varia de um cenário de síntese para outro. Além disso, não diz nada sobre qual dos vários grupos reativos chegou efetivamente a reagir.
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.
Na Universidade Nacional de Yokohama, uma equipa dirigida pelo professor associado Hiroaki Gotoh e pelo doutorando Daimon Sakaguchi optou por um caminho mais simples. Misturaram moléculas complexas que contêm vários grupos cetona, formados por átomos de oxigénio e de carbono unidos por uma dupla ligação, com diferentes quantidades de boro-hidreto de sódio em metanol. Ao medir qual o grupo cetona que reagiu primeiro, construíram uma escala cinética, ou mapa da velocidade de reação, para cada molécula. A equipa combinou depois este mapa com informação eletrónica tridimensional recolhida em torno de cada local de reação, e introduziu ambos num modelo de aprendizagem automática.
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.
O modelo foi treinado apenas com moléculas simples. Testado em seis moléculas mais complexas, cada uma com dois grupos cetona, previu corretamente tanto o principal local de reação como o lado por onde a reação ocorreu. O estudo, publicado na revista JACS Au, mostra que experiências de competição podem ligar medições laboratoriais, cálculos de química quântica e aprendizagem automática num único fluxo de trabalho. Os autores sublinham que se trata de resultados de laboratório obtidos numa reação definida, com boro-hidreto de sódio em metanol.
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.
Para um químico que desenha um candidato a fármaco, o ganho prático seria saber, antes da síntese, que parte de uma molécula tem probabilidade de reagir e que produto se formará. Gotoh aponta como alvo os candidatos a fármacos, os produtos naturais e as moléculas funcionais, e apresenta como objetivo menos ciclos de tentativa e erro e uma descoberta mais rápida de novas moléculas e percursos sintéticos. A equipa não diz quando é que estas previsões poderão ser utilizadas na prática, nem se o modelo se aplica a reações diferentes desta. O que oferece é uma base de dados cinéticos revista e um fluxo de trabalho com descritores, que outros investigadores podem reutilizar para construir novos modelos e testar as suas hipóteses em reduções mais complexas.