当前位置 : X-MOL首页行业资讯 › CJC | Concise Report:廖矿标课题组:自动机器学习辅助的TEMPO催化氧化伯醇制备羧酸

CJC | Concise Report:廖矿标课题组:自动机器学习辅助的TEMPO催化氧化伯醇制备羧酸

本文来源于Chinese Journal of Chemistry,欢迎浏览!


自动机器学习辅助的TEMPO催化氧化伯醇制备羧酸

羧酸是一类在天然产物、药物以及精细化工品中都非常重要的化合物。在传统合成方法中,伯醇氧化制备羧酸是一个被认为非常成熟可靠的反应。但通常都会使用高价锰或者基于CrO3的强氧化剂,这些氧化剂的共同缺点是毒性强、腐蚀性强以及价格较贵。直到Anelli-Montanari 氧化过程被发现,TEMPO作为有机催化剂催化氧化伯醇被大量报道。与之前的工作相比较,首先,TEMPO本身是一个稳定、便宜而且容易制备的试剂。其次,由于可以使用一些相对安全且大量的氧化剂(NaOCl、NaOCl2、O2甚至空气等),就使得TEMPO参与的催化氧化变得更加温和、高效而且环境友好。虽如此,对于新的伯醇底物,特别是含有复杂结构或者敏感官能团的,如何选择合适的催化氧化条件依然是一个挑战。


最近,廖矿标课题组通过高通量(High Throughput Experimentation, HTE)和机器学习(Machine Learning, ML)发展了一个针对TEMPO催化氧化伯醇制备羧酸的产率预测模型。作者采用了基于AutoGluon的自动机器学习(AutoML)框架,建立了名为AGMP(AutoGluon based multi-label prediction)的产率预测模型,极大程度上减少了传统机器学习中费时费力的模型选择、优化调参等工作。在数据处理阶段,他们使用了一种名为KNIME的开源数据处理平台,这也大大降低了没有编程背景的化学家的使用门槛。最终,一个自动机器学习辅助的TEMPO催化氧化伯醇制备羧酸的工作流被建立起来。在对外部验证集中1308个反应数据的产率预测中,模型的R2达到0.767,MAE为4.9%,RMSE为7.9%。这样一个通过HTE收集数据,利用ML建模,进而帮助TEMPO催化氧化伯醇制备羧酸的实例,为传统有机化学方法学的开发与应用注入了新的活力。


cjc3-1.png

上述研究成果作为Report发表于Chin. J. Chem. 2023, 41, 143—150. DOI: 10.1002/cjoc.202200555。该项工作得到了国家自然科学基金委、广州实验室的资助。


点击阅读原文:https://onlinelibrary.wiley.com/doi/10.1002/cjoc.202200555?utm_medium=display&utm_source=xmol&utm_campaign=R2R345C&utm_content=DA20_Xmol_Journal_article_campaign_2_RM-CHINA_AGT_R2R345C_display_cjoc0555


CJC.jpg

《中国化学(英文)》(Chinese Journal of Chemistry)创刊于1983年,半月刊,由中国化学会、上海有机化学研究所联合Wiley共同主办。期刊覆盖化学全领域,发表有机化学、无机化学、物理化学、高分子化学、分析化学、材料化学、能源、催化等各学科领域的原始性、创新性成果,期刊历史悠久、审稿流程严格。2022年度影响因子为5.4,JCI指数0.92,5年影响因子4.4,2022年度CiteScore为7.5,SNIP指标为 0. 859。其中科院分区为化学综合2区。期刊先后收录于DOAJ、ESCI、SCIE等数据库。


如果篇首注明了授权来源,任何转载需获得来源方的许可!如果篇首未特别注明出处,本文版权属于 X-MOLx-mol.com ), 未经许可,谢绝转载!

阿拉丁
加速出版服务
生物医学数据成像与可视化
快速找到合适的投稿机会
动态系统的数学与计算机建模
热点论文一站获取
购书送好礼
天然纤维材料
口腔微生物
英语语言编辑翻译加编辑
材料学领域约200份+SCI期刊
定位全球科研英才
中国图象图形学学会合作刊
东北石油大学合作期刊
动物源性食品遗传学与育种
专业英语编辑服务
左智伟--多次发布
多次发布---上海中医药
香港大学
韩国
深圳大学
西湖大学
化学所
南科大
中科院
新加坡国立
ACS材料视界
down
wechat
bug