طیف سنجی تشدید مغناطیسی هسته ای حالت جامد (NMR) - تکنیکی که فرکانس های ساطع شده توسط هسته اتم های خاص در معرض امواج رادیویی در یک میدان مغناطیسی قوی را اندازه گیری می کند - می تواند برای تعیین ساختارهای شیمیایی و سه بعدی و همچنین دینامیک مولکول ها استفاده شود. مواد.
یک مرحله اولیه ضروری در تجزیه و تحلیل، به اصطلاح تخصیص جابجایی شیمیایی است. این شامل اختصاص دادن هر پیک در طیف NMR یک اتم در مولکول یا ماده مورد آزمایش است. این می تواند یک کار به خصوص پیچیده باشد. تخصیص تجربی جابجایی‌های شیمیایی می‌تواند چالش‌برانگیز باشد و معمولاً به آزمایش‌های همبستگی چند بعدی زمان‌بر نیاز دارد. اختصاص پایگاه های اطلاعاتی شیمیایی برای تغییرات شیمیایی در مقایسه با تجزیه و تحلیل آماری یک راه حل جایگزین خواهد بود، اما چنین پایگاه داده ای برای جامدات مولکولی وجود ندارد.
تیمی از محققان، از جمله اساتید EPFL، لیندون امسلی، رئیس آزمایشگاه تصویربرداری تشدید مغناطیسی، میشل سریوتی، رئیس آزمایشگاه علوم کامپیوتر و مدل‌سازی، و دکترای علوم. دانش‌آموز مانوئل کوردوبا تصمیم گرفت تا با توسعه روشی برای اختصاص طیف‌های NMR به کریستال‌های آلی که احتمالاً مستقیماً از ساختارهای شیمیایی دوبعدی آنها استفاده می‌شود، با این مشکل مقابله کند.
آنها با ایجاد پایگاه داده تغییرات شیمیایی خود برای جامدات آلی، ترکیب پایگاه داده ساختاری کمبریج (CSD)، پایگاه داده ای با بیش از 200000 ساختار آلی سه بعدی، با ShiftML، یک الگوریتم یادگیری ماشینی که قبلا با هم توسعه داده شده بودند، شروع کردند. پیش‌بینی تغییرات شیمیایی مستقیماً از ساختار جامدات مولکولی
در اصل در a ارتباطات طبیعی مقاله در سال 2018، ShiftML از محاسبات DFT برای آموزش استفاده می کند، اما سپس می تواند پیش بینی های دقیقی برای ساختارهای جدید بدون انجام محاسبات کوانتومی اضافی انجام دهد. اگرچه دقت DFT به دست آمده است، این روش می تواند جابجایی های شیمیایی را برای سازه هایی با ~ 100 اتم در ثانیه محاسبه کند و هزینه محاسباتی را تا 10000 در مقایسه با محاسبات جابجایی DFT شیمیایی فعلی کاهش دهد. دقت روش به اندازه ساختار مورد مطالعه بستگی ندارد و زمان پیش‌بینی با توجه به تعداد اتم‌ها خطی است. این زمینه را برای محاسبه تغییرات شیمیایی در شرایطی فراهم می کند که قبلاً ممکن نبود.
در جدید دستاوردهای علمی در سند، تیم از ShiftML برای پیش‌بینی تغییرات در بیش از 200000 ترکیب مشتق‌شده از CSD استفاده کرد و سپس تغییرات حاصل را به نمایش‌های توپولوژیکی محیط مولکولی مرتبط کرد. این شامل ساختن نموداری است که پیوندهای کووالانسی بین اتم‌های مولکول را نشان می‌دهد و تعداد مشخصی پیوند را از اتم‌های مرکزی دور می‌کند. آنها سپس تمام نمونه‌های یکسان نمودار را در پایگاه داده جمع‌آوری کردند و به آنها اجازه دادند تا توزیع‌های آماری تغییرات شیمیایی را برای هر موتیف به دست آورند. ارائه ساده‌سازی پیوندهای کووالانسی اطراف اتم در یک مولکول است و حاوی هیچ ویژگی ساختاری سه بعدی نیست: این به آنها اجازه می‌دهد تا تخصیص احتمالی طیف NMR کریستال‌های آلی را مستقیماً از ساختارهای شیمیایی دو بعدی آنها از طریق یک طرح حاشیه‌سازی به دست آورند. که توزیع همه اتم ها را ترکیب می کند.
پس از ساخت پایگاه داده جابجایی شیمیایی، دانشمندان سعی کردند وظایف یک سیستم مدل را پیش‌بینی کنند و این رویکرد را برای مجموعه‌ای از مولکول‌های آلی به کار بردند که تخصیص جابجایی شیمیایی کربن برای آنها حداقل تا حدی به صورت تجربی تعیین شده است: تئوفیلین، تیمول، کوکائین، استریکنین، AZD5718، لیزینوپریل، ریتوناویر و نمک K پنی سیلین G. احتمال انتساب به دست آمده به طور مستقیم از نمایش دو بعدی مولکول ها مطابق با انتساب آزمایشی تعیین شده در اکثر موارد پیدا شد.
در نهایت، آنها عملکرد قاب را بر روی یک مجموعه مرجع از 100 ساختار کریستالی با بین 10 تا 20 اتم کربن مختلف ارزیابی کردند. آنها از شیفت های ShiftML ارائه شده برای هر اتم به عنوان تخصیص صحیح استفاده کردند و آنها را از توزیع های آماری مورد استفاده برای اختصاص مولکول ها حذف کردند. انتساب صحیح در بین دو کار محتمل در بیش از 80 درصد موارد یافت شد.
کوردووا گفت: «این روش می‌تواند با ساده‌سازی یکی از اولین گام‌های اصلی این مطالعات، سرعت بررسی مواد توسط MRI را به میزان قابل توجهی افزایش دهد.
نقل قول: یادگیری ماشینی مشکل کیست کیست را در طیف MRI کریستال های آلی حل می کند (2021، 26 نوامبر)، استخراج شده در 27 نوامبر 2021 از https://phys.org/news/2021-11-machine-problem-nmr -spectra-crystals.html
این برگه یا سند یا نوشته تحت پوشش قانون کپی رایت است. به جز هرگونه معامله منصفانه به منظور مطالعه یا تحقیق خصوصی، هیچ بخشی بدون اجازه کتبی قابل تکثیر نیست. محتوا فقط برای مقاصد اطلاعاتی ارائه شده است.
[ad_2]
مقالات مشابه
- هدرز موتور B3 (پراید قدیم) - سام تیونینگ
- جیمز دولان تلاش می کند به 'روشن' نیکز' سکوت جورج فلوید
- Facebook کارکنان شلاق را بیش از شرکت را از دست داده و مغلوب ساختن پیشی جستن پست
- تئوری انیشتین آزمایش های 16 ساله سختی را پشت سر گذاشته است
- اطلاعات قطعی به اسباب بازی
- 4 روش برای ساده‌سازی اسباب بازی
- پروازهای تقریباً خالی از اروپا عبور می کنند تا جایگاه های فرود ایمن را داشته باشند
- سرمایه گذاران آمریکایی که می خواهند به انجام کاری در مورد بی عدالتی اساسا از شانس
- شرکت صادرات و واردات کالاهای مختلف از جمله کاشی و سرامیک و ارائه دهنده خدمات ترانزیت و بارگیری دریایی و ریلی و ترخیص کالا برای کشورهای مختلف از جمله روسیه و کشورهای حوزه cis و سایر نقاط جهان - بازرگانی علی قانعی
- کلمات کلیدی: 'برده داری به پایان رسید اما نژاد پرستی نیست' می گوید: مدیر عامل شرکت آمازون به عنوان او خواستار کارکنان به لغو جلسات در Juneteenth