Detailseite
Projekt Druckansicht

Molekulares "Machine Learning" für die asymmetrische (Organo-)katalyse

Fachliche Zuordnung Organische Molekülchemie - Synthese, Charakterisierung
Förderung Förderung seit 2022
Projektkennung Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 497198316
 
Die asymmetrische Katalyse spielt eine zentrale Rolle bei der Synthese pharmazeutisch aktiver Verbindungen. Die Organokatalyse zielt darauf ab, solche Transformationen ohne die Verwendung potenziell toxischer Metalle zu ermöglichen. Die größte Herausforderung besteht jedoch im Design potenter Organokatalysatoren und in der Vorhersage ihrer Aktivität: In den meisten Fällen ist die Korrelation zwischen der Molekülstruktur eines Katalysators und seiner Aktivität kaum bekannt. Daher werden wir Techniken des maschinellen Lernens (ML) entwickeln und auf Bibliotheken von Thioharnstoff- und Oligopeptid-Katalysatoren anwenden: Unser Ziel ist es, die am besten geeigneten Kandidaten für organokatalytische Umwandlungen von pharmazeutischem Interesse zu bestimmen, etwa die Darstellung von Anti-Malaria-Wirkstoffen. Durch die Interpretation von ML-Modellen wollen wir die molekularen Merkmale eruieren, die für die Katalysatoraktivität verantwortlich sind, um dem Ziel eines echten De-novo-Katalysatordesigns näher zu kommen.
DFG-Verfahren Schwerpunktprogramme
Mitverantwortlich Dr. Dennis Gerbig
 
 

Zusatzinformationen

Textvergrößerung und Kontrastanpassung