Los laboratorios robóticos autónomos tienen el potencial de cambiar nuestro enfoque de la síntesis química, pero existen barreras para su adopción a gran escala.
Abstracto
Los laboratorios autónomos pueden acelerar los descubrimientos en la síntesis química, pero esto requiere mediciones automatizadas junto con una toma de decisiones confiable 1 , 2 . La mayoría de los laboratorios autónomos involucran equipo automatizado a medida 3 , 4 , 5 , 6 , y los resultados de la reacción a menudo se evalúan utilizando una única técnica de caracterización cableada 7 . Cualquier algoritmo de toma de decisiones 8 debe entonces operar utilizando este estrecho rango de datos de caracterización 9 , 10 . Por el contrario, los experimentos manuales tienden a recurrir a una gama más amplia de instrumentos para caracterizar los productos de reacción, y rara vez se toman decisiones basadas en una sola medición. Aquí mostramos que un laboratorio de síntesis se puede integrar en un laboratorio autónomo mediante el uso de robots móviles 11 , 12 , 13 que operan el equipo y toman decisiones de manera similar a la humana. Nuestro flujo de trabajo modular combina robots móviles, una plataforma de síntesis automatizada, un espectrómetro de masas de cromatografía líquida y un espectrómetro de resonancia magnética nuclear de sobremesa. Esto permite que los robots compartan el equipo de laboratorio existente con investigadores humanos sin monopolizarlo o requerir un rediseño extenso. Un tomador de decisiones heurístico procesa los datos de medición ortogonales, selecciona las reacciones exitosas para continuar y verifica automáticamente la reproducibilidad de cualquier resultado de detección. Ejemplificamos este enfoque en las tres áreas de química de diversificación estructural, química supramolecular de huésped-anfitrión y síntesis fotoquímica. Esta estrategia es particularmente adecuada para la química exploratoria que puede generar múltiples productos potenciales, como para los ensamblajes supramoleculares, donde también ampliamos el método a un ensayo de función autónoma mediante la evaluación de las propiedades de unión de huésped-anfitrión.
Otros usuarios están viendo contenido similar
Una plataforma portátil autónoma para la síntesis química universal
Artículo 06 de octubre de 2022
Lenguaje de programación química universal para la repetibilidad de la síntesis robótica
Artículo 11 de enero de 2024
Un químico robótico móvil
Artículo 08 de julio de 2020
Principal
Los laboratorios robóticos autónomos tienen el potencial de cambiar nuestro enfoque de la síntesis química, pero existen barreras para su adopción a gran escala. La autonomía implica más que la automatización; requiere agentes, algoritmos o inteligencia artificial para registrar e interpretar datos analíticos y tomar decisiones basadas en ellos 14 , 15 . Esta es la distinción clave entre experimentos automatizados, donde los investigadores toman las decisiones, y experimentos autónomos, donde esto lo hacen las máquinas. La eficacia de los experimentos autónomos depende tanto de la calidad como de la diversidad de las entradas de datos analíticos y su posterior interpretación autónoma. Automatizar los pasos de toma de decisiones en la síntesis exploratoria 16 es un desafío porque, a diferencia de algunas áreas de catálisis 11 , rara vez implica la medición y maximización de una sola cifra de mérito. Por ejemplo, las síntesis supramoleculares pueden producir una amplia gama de posibles productos de reacción autoensamblados 17 , lo que presenta un problema más abierto desde una perspectiva de automatización que maximizar el rendimiento de un solo objetivo conocido. La síntesis exploratoria se presta menos bien a las estrategias de optimización de circuito cerrado, al menos en ausencia de una simple métrica cuantitativa de «novedad» o «importancia».
En la síntesis exploratoria manual, las reacciones suelen caracterizarse mediante más de una técnica para permitir la identificación inequívoca de las especies químicas. Por ejemplo, en las síntesis orgánicas de moléculas pequeñas y la química supramolecular, la espectrometría de masas (EM) y la espectroscopia de resonancia magnética nuclear (RMN) se combinan a menudo para investigar el peso molecular y la estructura molecular, respectivamente. La automatización del análisis de estos datos analíticos multimodales para guiar los procesos de descubrimiento sintético no es trivial 18 . Los enfoques basados en inteligencia artificial, limitados por sus datos de entrenamiento, podrían impedir descubrimientos genuinamente nuevos al adherirse demasiado a los conocimientos previos establecidos. Del mismo modo, los métodos de decisión basados en reglas requieren una implementación cuidadosa para no pasar por alto la química que se desvía de las reglas. Más fundamentalmente, la diversidad sintética conduce a datos de caracterización diversos. Por ejemplo, algunos productos de una biblioteca pueden producir espectros de RMN altamente complejos pero espectros de masas simples, mientras que otros compuestos pueden mostrar el comportamiento inverso, o tal vez no dar señales de masa en absoluto. Como químicos, tomamos decisiones rutinarias basadas en el contexto sobre en qué flujos de datos centrarnos, pero este es un obstáculo importante para los sistemas autónomos.
Se ha avanzado mucho en la diversificación de las plataformas de síntesis automatizada 4 , 5 , 19 y en el aumento de sus capacidades autónomas 9 , 14 , 15 , 20 , 21 , 22 . Hasta ahora, la mayoría de las plataformas utilizan ingeniería a medida y equipos analíticos integrados físicamente 6 . El coste asociado, la complejidad y la monopolización proximal de los equipos analíticos significa que a menudo se favorecen técnicas de caracterización únicas y fijas en los flujos de trabajo automatizados, en lugar de recurrir a la gama más amplia de técnicas analíticas disponibles en la mayoría de los laboratorios sintéticos. Esto obliga a cualquier algoritmo de toma de decisiones a operar con información analítica limitada, a diferencia de los enfoques manuales más multifacéticos. Por lo tanto, la síntesis química autónoma de circuito cerrado a menudo se parece poco a la experimentación humana, ya sea en la infraestructura de laboratorio requerida o en los pasos de toma de decisiones.
Demostramos previamente 11 que los robots móviles de libre movimiento podrían integrarse en laboratorios existentes para realizar experimentos emulando las operaciones físicas de los científicos humanos. Sin embargo, ese primer flujo de trabajo se limitó a un tipo específico de química (la evolución fotoquímica del hidrógeno) y la única medición disponible era la cromatografía de gases, que proporciona una salida escalar simple. Estudios posteriores que involucraron robots móviles también se centraron en la optimización del rendimiento del catalizador 12 , 13 . Estos flujos de trabajo de catálisis de sobremesa 11 , 12 , 13 no pueden llevar a cabo una química sintética más general, por ejemplo, que involucre disolventes orgánicos, ni pueden medir e interpretar datos de caracterización más complejos, como los espectros de RMN. La toma de decisiones algorítmica se limitó a maximizar el rendimiento del catalizador 11 , que es análogo a las plataformas de síntesis autónomas que maximizan el rendimiento de una reacción utilizando RMN 23 o áreas de pico cromatográficas 10 , 24 .
En este trabajo presentamos una plataforma autónoma modular para la química sintética exploratoria general. Utiliza robots móviles para operar una plataforma de síntesis Chemspeed ISynth, un espectrómetro de masas y cromatografía líquida de ultraalta resolución (UPLC-MS) y un espectrómetro de RMN de sobremesa. Este flujo de trabajo de laboratorio modular es inherentemente ampliable para incluir otros equipos, como se muestra aquí con la adición de un fotorreactor comercial estándar.
Para abordar una amplia gama de objetivos químicos, se desarrolló un tomador de decisiones heurístico para procesar datos de RMN ortogonales y UPLC-MS, seleccionando así de forma autónoma las reacciones exitosas para un estudio posterior sin ninguna intervención humana. Este tomador de decisiones también verificó la reproducibilidad de cualquier resultado de las pantallas de reacción antes de la ampliación. Este ciclo de síntesis-análisis-decisión imita los protocolos humanos para tomar decisiones autónomas sobre los pasos de flujo de trabajo posteriores. Ejemplificamos el enfoque a través de la química de diversificación estructural y la identificación autónoma de conjuntos supramoleculares de anfitrión-huésped. Aunque las síntesis fueron autónomas, la elección de la química no lo fue: las reacciones y los bloques de construcción fueron seleccionados por expertos en el dominio antes de los experimentos. No obstante, esto proporcionó un gran espacio de reacción para que el tomador de decisiones navegara. También ampliamos este enfoque autónomo más allá de la síntesis para analizar la función mediante la evaluación autónoma de las propiedades de unión de anfitrión-huésped de las síntesis supramoleculares exitosas.
Flujo de trabajo robótico modular
Dividimos nuestra plataforma en módulos de síntesis y análisis separados físicamente (Fig. 1a,b ). La conexión física entre los módulos se logró mediante el uso de robots móviles para el transporte y la manipulación de las muestras (Videos complementarios 1 a 5 ). Como estos robots se mueven libremente, los instrumentos pertinentes se pueden ubicar en cualquier lugar del laboratorio. No hay límite para la cantidad de instrumentos que se pueden incorporar bajo este paradigma, aparte de los impuestos por el espacio del laboratorio.
Elegimos un sintetizador comercial Chemspeed ISynth como módulo de síntesis, pero el enfoque debería poder transferirse a cualquier plataforma de síntesis automatizada que requiera análisis ex situ. Los sintetizadores ISynth tienen cierta capacidad incorporada para integrar ciertos equipos analíticos 24 , pero aquí elegimos integrar los dispositivos analíticos de una manera más distribuida y escalable.
Las reacciones se monitorearon mediante UPLC, MS y NMR para lograr un estándar de caracterización comparable a la experimentación manual. La combinación de técnicas analíticas ortogonales es esencial para capturar la diversidad inherente a la química orgánica moderna 25 y para mitigar la incertidumbre asociada con confiar únicamente en mediciones unidimensionales 18 . Para hacer esto, nuestra plataforma implica el uso periódico de instrumentos de RMN y UPLC-MS de sobremesa de 80 MHz sin modificar y ubicados de forma remota. Esta configuración permite el uso de consumibles de laboratorio estándar para estos instrumentos y, lo que es más importante, permite que los instrumentos se compartan con otros flujos de trabajo automatizados o que los utilicen investigadores humanos entre mediciones.
Al finalizar una síntesis química, el sintetizador ISynth toma una alícuota de cada mezcla de reacción y la reformatea por separado para el análisis de MS y RMN. Luego se utilizan robots móviles para manipular las muestras y transportarlas al instrumento apropiado (Videos complementarios 1 – 3 ). Se instalaron actuadores eléctricos en la puerta de ISynth para permitir el acceso automatizado por parte de los dos agentes robot. Aparte de esto, los diversos instrumentos no se modificaron físicamente. La adquisición de datos se produce de forma autónoma después de la entrega de la muestra por parte de los robots móviles utilizando un conjunto de scripts de Python personalizables. Los datos resultantes se guardan en una base de datos central (Fig. 1a ).
Al final de un ciclo de síntesis-análisis, los datos son procesados por el responsable de la toma de decisiones algorítmicas, que determina las siguientes operaciones de síntesis basándose en un conjunto de heurísticas diseñadas por científicos con experiencia en el área de investigación específica (Fig. 1b ). En los flujos de trabajo presentados aquí, el responsable de la toma de decisiones primero otorga una calificación binaria de aprobado o reprobado al análisis de MS y 1 H NMR de cada reacción, basándose en criterios específicos del experimento que son determinados por el experto en el dominio. Los resultados binarios de cada análisis se combinan para dar una calificación binaria por pares para cada reacción en el lote, y luego el responsable de la toma de decisiones le indica a la plataforma ISynth qué experimentos realizar a continuación.
Los ejemplos previos de experimentación autónoma a menudo han utilizado enfoques de optimización a ciegas de la química 11 , pero dichos métodos enfrentan desafíos cuando se trata de reacciones cuyos resultados, a diferencia de la actividad del catalizador o el rendimiento de un producto conocido, no son únicos y escalares. Por ejemplo, los procesos de autoensamblaje supramolecular pueden producir muchas combinaciones posibles diferentes a partir de los mismos materiales de partida, dando lugar con frecuencia a mezclas de productos complejas. Para abordar esto, diseñamos un tomador de decisiones heurístico «flexible» que permanece abierto a la novedad y, por lo tanto, al descubrimiento químico. Este tomador de decisiones agnóstico de la aplicación es lo suficientemente amplio como para aplicarse a cualquier química que involucre caracterización por UPLC-MS y 1 H NMR, dentro de los límites de esas dos técnicas, y lo suficientemente personalizable como para permitir que los químicos expertos definan criterios de aprobación o rechazo específicos del experimento. Por ejemplo, en los experimentos descritos aquí, las reacciones deben pasar ambos análisis ortogonales para proceder al siguiente paso (Fig. 1b ). Aquí se consideraron igualmente importantes ambos análisis, pero también sería posible ponderar la importancia de cada método analítico, por ejemplo, para favorecer los resultados de MS o de RMN.
Toda la plataforma se maneja mediante un software de control en un ordenador central que organiza el flujo de trabajo especificado. Este software de control también permite el desarrollo de rutinas analíticas y de síntesis por parte de expertos en la materia sin conocimientos previos de robótica.
Inicialmente, optamos por utilizar dos agentes robóticos móviles específicos para cada tarea a fin de demostrar la escalabilidad de nuestro enfoque en laboratorios industriales de gran tamaño en los que un solo robot no proporcionaría suficiente capacidad. Sin embargo, esto generó una redundancia significativa de equipos. Por lo tanto, también demostramos que las tareas del flujo de trabajo se pueden realizar utilizando un solo robot móvil equipado con una pinza multipropósito (video complementario 5 y datos ampliados, figura 1 ).
Síntesis paralela para la diversidad estructural
La síntesis de bibliotecas es un cuello de botella en el ciclo de diseño-fabricación-prueba-análisis para el descubrimiento de fármacos, y la síntesis paralela se ha utilizado rutinariamente para abordar este problema 26 . Un flujo de trabajo sintético típico podría implicar el intento de síntesis de varias moléculas precursoras comunes, seguido por la ampliación de escala de sustratos exitosos para ser elaborados más a fondo en una síntesis divergente. La decisión de llevar una reacción dada al siguiente paso generalmente la toma un investigador, tanto para reacciones manuales como para bibliotecas de reacciones producidas utilizando plataformas de síntesis automatizadas.
Buscamos emular este proceso de extremo a extremo en nuestra plataforma de síntesis automatizada realizando una síntesis autónoma divergente de múltiples pasos que involucra reacciones con relevancia química medicinal 27 , 28 (Fig. 2a ), sin intervenciones humanas intermedias más allá de la reposición química, si es necesario. Primero, se intentó la síntesis paralela de tres ureas y tres tioureas a través de la condensación combinatoria de tres aminas de alquino ( 1 – 3 ), con un isotiocianato ( 4 ) o un isocianato ( 5 ). Las mezclas de reacción se analizaron luego por UPLC-MS y 1H NMR para identificar muestras donde se había producido la formación del producto. Nuestro tomador de decisiones analizó ambos flujos de datos y dirigió la plataforma ISynth para ampliar las reacciones de detección que había considerado exitosas. Luego, el tomador de decisiones analizó las reacciones ampliadas por UPLC-MS y 1H NMR para asegurar la paridad con las reacciones de escala de detección iniciales. Solo si el responsable de la toma de decisiones considera que este intento de ampliación ha tenido éxito, podrá llevar adelante la reacción y ordenar al ISynth que elabore esas moléculas precursoras. Esto emula los flujos de trabajo farmacéuticos humanos, donde una escalabilidad modesta suele ser un requisito previo para la diversificación en la siguiente etapa, incluso en la fase de descubrimiento.
El responsable de la toma de decisiones exploró en paralelo dos estrategias de diversificación ortogonal: el acoplamiento cruzado de Sonogashira de un alquino con 2-bromopiridina ( 12 ) y una cicloadición de azida-alquino catalizada por cobre (CuAAC) con el agente activo antirretroviral zidovudina ( 18 ). En principio, se podía acceder a 12 análogos estructuralmente diversos diferentes mediante este flujo de trabajo basado en 7 precursores disponibles comercialmente a través de 3 pasos sintéticos autónomos. Los investigadores establecieron los criterios generales de éxito para el responsable de la toma de decisiones al comienzo del flujo de trabajo: más allá de eso, no hubo ninguna participación humana en cuanto a qué muestras se eligieron para la ampliación o para la diversificación posterior. Se aplicaron los mismos criterios de éxito a todos los sustratos; es decir, los criterios no se ajustaron en función de cada reacción.
Emulando a un químico medicinal sintético, el tomador de decisiones heurístico respondió a dos preguntas básicas: primero, si se había producido un cambio químico a partir de los materiales de partida; y segundo, si la masa del producto de condensación previsto se encontraba entre los picos principales identificados en el trazo UPLC (Fig. 2b ). El tomador de decisiones identificó el cambio químico mediante espectroscopia de RMN de 1 H. Para ello, se combinaron los espectros correspondientes a los materiales de partida y se calculó una métrica de distancia entre su suma y el espectro de la mezcla de reacción utilizando distorsión temporal dinámica. El análisis de los espectros UPLC-MS implicó la detección automática de picos en el trazo UPLC y la extracción de los espectros de masas correspondientes a estos picos identificados. Finalmente, los valores experimentales de masa a carga ( m / z ) se compararon con los valores calculados que se generaron algorítmicamente de acuerdo con la química esperada. Solo las muestras que el tomador de decisiones consideró que habían satisfecho tanto las condiciones de RMN de 1 H como de UPLC-MS se ampliaron posteriormente más allá de la etapa de selección. El responsable de la toma de decisiones analizó las muestras ampliadas utilizando el mismo método, pero ahora se utilizó una diferencia más pequeña en la métrica de deformación temporal dinámica como umbral para confirmar su paridad con las muestras de selección ( Métodos ). Dada la complejidad de las moléculas finales después de la diversificación y la presencia de múltiples disolventes no deuterados, junto con la alta superposición espacial de resonancias en un espectrómetro de RMN de sobremesa de campo bajo, el responsable de la toma de decisiones fue programado para utilizar solo trazas UPLC-MS para evaluar la formación del producto final en la etapa de diversificación y los espectros de RMN 1 H de las reacciones crudas se registraron para referencia futura, en lugar de informar decisiones de aprobación o rechazo.
El sistema funcionó durante casi cuatro días consecutivos bajo este paradigma de toma de decisiones autónoma. Las únicas intervenciones de los investigadores requeridas fueron la reposición de los productos químicos necesarios para los pasos de ampliación y diversificación que el responsable de la toma de decisiones consideró exitosos, junto con nuevos consumibles (Fig. 2b ). En principio, esos pasos de reposición también podrían automatizarse mediante robots móviles. De las seis (tio)ureas seleccionadas, el responsable de la toma de decisiones identificó cinco sustratos ( 6 – 10 ) como exitosos. Por lo tanto, el responsable de la toma de decisiones instruyó a la plataforma ISynth para que realizara un experimento de ampliación de escala en las cinco reacciones seleccionadas y luego volvió a analizar los datos ampliados. Las cinco réplicas de ampliación intentadas produjeron los productos esperados del ensayo de selección, por lo que el responsable de la toma de decisiones eligió llevar adelante las cinco reacciones para intentar los pasos de diversificación de Sonogashira y CuAAC (Datos ampliados, Fig. 2 ). Aunque las moléculas objetivo 14 y 15 se sintetizaron con éxito, 13 experimentaron una reacción de ciclización intramolecular inesperada (Fig. 3 de datos ampliados ). Esto se identificó mediante la inspección humana de los datos de RMN y se confirmó mediante mediciones de difracción de rayos X de monocristal. Esta especie tiene el mismo peso molecular que el producto de acoplamiento cruzado no ciclizado y no se pudo distinguir mediante cromatogramas UPLC o MS solo. Esto resalta tanto la necesidad de métodos de caracterización ortogonal como las limitaciones de la toma de decisiones autónoma para tales casos extremos inesperados. En general, las reacciones de CuAAC produjeron cuatro de las cinco moléculas objetivo ( 19-22 ) . Las reacciones de diversificación de la etapa final que el tomador de decisiones consideró exitosas se purificaron fuera de línea mediante cromatografía flash automatizada para la caracterización completa del producto, como es habitual en los programas de descubrimiento de química medicinal. La inspección manual de los datos posteriores al experimento confirmó que el software de toma de decisiones había funcionado bien, tomando esencialmente las mismas decisiones autónomas que habría tomado un químico medicinal en un flujo de trabajo manual.
Descubrimiento autónomo de conjuntos anfitrión-huésped
La síntesis supramolecular exploratoria presenta diferentes desafíos para una plataforma robótica autónoma. El objetivo es dirigir los procesos de autoensamblaje para producir arquitecturas sintéticas organizadas con una motivación práctica que es la creación de anfitriones moleculares 29 , 30 . Sin embargo, las reacciones supramoleculares pueden conducir a una amplia gama de productos y, a menudo, mezclas de productos. Incluso si se forma un solo producto supramolecular, las propiedades de unión anfitrión-huésped pueden ser notablemente sensibles a la estructura tridimensional del anfitrión y a la elección del disolvente. Por lo tanto, el descubrimiento de sistemas anfitrión-huésped generalmente requiere experimentos laboriosos de prueba y error. Nuestra plataforma autónoma de química sintética se presta perfectamente a la aceleración de tales descubrimientos. A diferencia del ejemplo de química medicinal, anterior, donde un producto predeterminado era el objetivo, aquí nos propusimos «esperar lo inesperado» aprovechando el uso combinado de técnicas analíticas ortogonales acopladas. Para ello, no limitamos el algoritmo a seguir la desaparición y aparición de señales específicas, como en el ejemplo de síntesis divergente, sino que dirigimos a nuestro responsable de la toma de decisiones para que siguiera cualquier reacción de la etapa de cribado que mostrara un espectro de RMN de 1 H que sugiriera una arquitectura autoensamblada simétrica combinada con un valor m / z en la MS que corresponda a cualquier ensamblaje metal-orgánico estequiométricamente razonable. Estas combinaciones m / z estequiométricas permitidas se calcularon de antemano en función de las masas molares de los bloques de construcción constituyentes y las reglas de enlace metal-ligando. Las estructuras que el responsable de la toma de decisiones consideró que habían pasado la etapa de cribado fueron luego probadas de forma autónoma para su reproducibilidad por el responsable de la toma de decisiones, dando instrucciones a la plataforma ISynth para que realizara seis reacciones replicadas. Aquí también ampliamos el flujo de trabajo al cribado de propiedades, y el responsable de la toma de decisiones probó de forma autónoma cualquier anfitrión supramolecular formado por síntesis reproducibles para su función mediante una evaluación cualitativa de la encapsulación del huésped, y el responsable de la toma de decisiones determinó finalmente qué huéspedes estaban unidos. Al igual que en el flujo de trabajo de síntesis paralela, los investigadores humanos establecieron solo los criterios generales de éxito antes de que se iniciara el flujo de trabajo y no intervinieron posteriormente en cuanto a qué especies supramoleculares elegiría el tomador de decisiones para la replicación o para los estudios de unión huésped-huésped.
El experimento autónomo se desarrolló de forma continua durante 3 días con el objetivo de descubrir arquitecturas supramoleculares que puedan unirse a una pequeña biblioteca de seis moléculas huésped estructuralmente relacionadas (Fig. 3a ). En el primer paso de selección, exploramos la condensación combinatoria de tres piridinas que contienen carbonilo, 24 – 26 , y tres aminas bidentadas y tridentadas, 27 – 29 , en presencia de un ion metálico (Cu + o Zn2 + ). Las mezclas de reacción se analizaron mediante MS de inyección directa y mediante RMN de 1H para identificar muestras que pudieran contener huéspedes supramoleculares candidatos prometedores. Antes del experimento, calculamos las masas molares de todos los posibles complejos metálicos basados en imina estequiométricos químicamente significativos asumiendo una ocupación máxima del sitio de los cationes metálicos (hasta 10 o 12 cationes metálicos para Zn2 + o Cu + , respectivamente). Para cada uno de estos complejos, predijimos los valores m / z correspondientes a cualquier número posible de contraiones presentes (Fig. 3b ). Para que fuera considerado interesante, establecimos una regla general según la cual el espectro de masas debía contener al menos dos combinaciones de carga diferentes para cualquiera de las posibles arquitecturas metalorgánicas precalculadas. Esta regla se estableció para evitar los falsos positivos que podrían producirse para una tabla de búsqueda m / z tan grande, que tenía 110 entradas separadas (1110 valores m / z en total).
En lugar de indicarle al responsable de la toma de decisiones que se centrara en la desaparición de las señales de RMN de 1 H para los materiales de partida 25 , se programó para buscar muestras que contuvieran una cantidad de picos de RMN que fuera comparable a la suma de la cantidad de picos en los espectros de los materiales de partida, pero con diferentes desplazamientos químicos. Este enfoque maximiza las posibilidades de identificar mezclas de reacción que produzcan una única arquitectura simétrica, pero deseleccionaría, por ejemplo, mezclas de productos complejas con una gran cantidad de señales de RMN, como polímeros de coordinación u oligómeros, incluso en casos en los que se consuman los materiales de partida. Debido a que elegimos criterios que eran lo suficientemente flexibles como para alentar el descubrimiento fortuito, cada una de las dos pruebas de caracterización arrojó falsos positivos cuando se tomaron de forma aislada. Sin embargo, al igual que con las síntesis divergentes, anteriores, informamos al responsable de la toma de decisiones que exigiera que se aprobaran los criterios de RMN de 1 H y de MS de forma independiente para proceder al paso de replicación, minimizando así dichos falsos positivos. Todos los espectros, incluidas las reacciones que se consideraron fallidas, se guardaron en nuestra base de datos y estuvieron disponibles para inspección manual. Una limitación técnica fue que la alta dispersión relacionada con la baja intensidad de campo del instrumento de RMN de sobremesa (80 MHz) puede provocar un aumento artificial en el número aparente de picos. Nuevamente, esta limitación se compensó mediante el uso de dos métodos de caracterización ortogonales; en este caso, el requisito de hacer coincidir las relaciones m / z plausibles en la medición de MS.
Utilizando estos criterios de búsqueda, el responsable de la toma de decisiones consideró que 2 de las 18 combinaciones posibles de piridinas portadoras de carbonilo con aminas y metales eran exitosas y se trasladaron a las etapas experimentales posteriores (Fig. 4 de datos ampliados ): estas correspondían a una jaula metalorgánica conocida 31 [Zn 4 ( 24 3 , 28 ) 4 ] 8+ y un helicato metalorgánico 32 [Zn 2 ( 24 2 , 29 ) 3 ] 4+ . A continuación, el responsable de la toma de decisiones ordenó a la plataforma ISynth que replicara ambas reacciones seis veces cada una, y verificó la paridad de estas réplicas con las mediciones de RMN 1 H y MS de la etapa de selección inicial. Una vez establecida la repetibilidad, el responsable de la toma de decisiones ordenó a ISynth que procediera con los estudios de unión del huésped, en los que se dispensaron alícuotas de seis moléculas orgánicas pequeñas en las seis soluciones huésped candidatas replicadas. Las mezclas se sometieron luego a un análisis de RMN de 1H para identificar cambios inducidos por la unión en los espectros. Se esperaba que algunos de los huéspedes de ejemplo intercambiaran lentamente con el anfitrión en la escala de tiempo de RMN. Para emular los efectos del intercambio rápido de RMN y simplificar el análisis, se aplicó un gran valor de ensanchamiento de línea a los datos recopilados. Los huéspedes se identificaron cualitativamente como «unidos» si el algoritmo de toma de decisiones identificaba un cambio en el desplazamiento químico en la región aromática de RMN de 1H tras la adición del huésped. El tomador de decisiones encontró que tres huéspedes se unían con éxito dentro de la cavidad de la jaula [Zn 4 ( 24 3 , 28 ) 4 ] 8+ mientras que ningún huésped interactuó con el helicato [Zn 2 ( 24 2 , 29 ) 3 ] 4+ (Figura 5 de datos ampliados ), de acuerdo con estudios relacionados 30 , 31 que muestran que los helicatos carecen de una cavidad de unión al anfitrión.
Síntesis fotoquímica fuera de línea
Nuestra plataforma automatizada fue diseñada para ser modular y flexible, y es fácil integrar otros módulos físicos en el flujo de trabajo. Por ejemplo, nuestra plataforma ISynth no tiene capacidad de reacción fotoquímica, pero lo solucionamos agregando un fotorreactor comercial independiente como módulo remoto adicional (Fig. 4a y video complementario 4 ).
Demostramos esto con un experimento de detección de catalizador para la adición conjugada descarboxilativa 33 del aminoácido protegido N -( tert -butoxicarbonil)-prolina a dietilbencilidenemalonato 34 (Fig. 4b ). Después de la inertización de la plataforma ISynth y la dispensación de los reactivos líquidos y solventes, las muestras se sellaron con engarce bajo una atmósfera de nitrógeno y uno de los agentes robóticos las transportó a la estación de fotorreactor fuera de línea para la irradiación. Luego, las muestras se devolvieron a ISynth y se reformatearon para el análisis por UPLC-MS. En este ejemplo, hubo una superposición sustancial de resonancias de producto en los espectros de RMN 1H de sobremesa de campo bajo que surgieron de la presencia de diastereómeros y rotámeros, así como del uso de dos solventes no deuterados; por lo tanto, el tomador de decisiones fue programado para evaluar la formación del producto final utilizando solo trazas de UPLC-MS (Fig. 4c ). Se encontró que tres catalizadores, 2,4,5,6-tetrakis(9H-carbazol-9-il)isoftalonitrilo (4CzIPN), [Ir(dtbbpy)(ppy) 2 ]PF 6 (donde dtbbpy es 4,4′-di- tert -butil-2,2′-bipiridina y ppy es (2-piridinil)fenilo)), y (Ir[dF(CF 3 )ppy] 2 (dtbbpy))PF 6 (donde dF(CF 3 )ppy es 3,5-difluoro-2-[5-(trifluorometil)-2-piridinil]fenilo), producían el producto de adición conjugada descarboxilativa deseado. Los otros tres fotocatalizadores (eosina Y, nitruro de carbono grafítico y tetrafluoroborato de 2,4,6-trifenilpirilio) y un control en blanco produjeron solo materiales de partida, sin rastros del producto.
Conclusión
Hemos creado una estrategia para la química sintética exploratoria utilizando robots móviles para integrar plataformas distribuidas de síntesis y análisis. Aunque estos flujos de trabajo no son de circuito cerrado, en el sentido de que no son procesos de optimización, sí implican pasos de toma de decisiones autónomas que aceleran los descubrimientos. El nivel de toma de decisiones autónoma y comprensión contextual es, por supuesto, mucho menor que para un investigador humano (Fig. 1b ), pero el sistema supera a los humanos en otros aspectos. Por ejemplo, las decisiones algorítmicas son efectivamente instantáneas, lo que proporciona una gran aceleración sobre los flujos de trabajo humanos en los que un investigador necesitaría inspeccionar todos los datos de caracterización antes de continuar. Estas búsquedas autónomas llevaron a una nueva comprensión química, aunque eso requirió un análisis posterior al experimento adicional por parte de investigadores humanos, por ejemplo, para identificar el producto de ciclización inesperado que se muestra en la Fig. 3 de Datos extendidos . De la misma manera, en el flujo de trabajo supramolecular, Supramolecular Screening 9 arrojó un espectro de RMN de 1 H que pasó el umbral de acierto del algoritmo pero falló la prueba UPLC–MS (no se observaron iones coincidentes; Esquema complementario 32 y Fig. complementaria 121 ). La naturaleza completa de esta estructura permanece indeterminada, y los intentos manuales de producir cristales adecuados para la difracción de rayos X han fracasado hasta ahora. Esto ilustra cómo las búsquedas robóticas autónomas basadas en reglas pueden producir sistemas de interés potencial, pero también el desafío de caracterizarlos, incluso a mano. Los desafíos inherentes asociados con la evaluación de la novedad contextual o la importancia de las reacciones de forma autónoma podrían sugerir que deberíamos centrarnos en cambio en la optimización autónoma de la función medible, como en el desarrollo de catalizadores 11 , pero no todas las áreas de la química están dirigidas por la función, siendo el desarrollo de metodología sintética un ejemplo.
Estos flujos de trabajo no se podrían haber realizado con nuestro flujo de trabajo robótico móvil anterior 11 porque implican adiciones de líquidos en varios pasos con reactivos peligrosos y solventes orgánicos, así como técnicas de caracterización que producen flujos de datos que son significativamente más complejos. Nuestro enfoque puede abordar diferentes tipos de química: por ejemplo, las reacciones supramoleculares a menudo producen mezclas de productos complejas, mientras que la química de diversificación farmacéutica está diseñada, en términos generales, para emplear pasos de reacción más predecibles.
Este sistema de toma de decisiones heurístico escalonado debería ser aplicable a otros problemas de química sintética en los que los investigadores juzgarían los resultados combinados de los análisis UPLC-MS y 1 H NMR o, por extensión, otros métodos de caracterización. Estos enfoques heurísticos específicos de la química presentan una alternativa a los modelos de aprendizaje automático de caja negra, y podrían ser más adecuados para problemas analíticamente complejos pero con escasez de datos en la química orgánica sintética. Esta implementación heurística también captura el conocimiento humano experto (por ejemplo, al predeterminar posibles estequiometrías metalorgánicas utilizando nuestro conocimiento de la valencia [Fig. 3 ]), lo que proporciona un enfoque para búsquedas experimentales autónomas en espacios químicos multidimensionales que de otro modo serían demasiado grandes y complejos para navegar. Por supuesto, estas reglas preprogramadas también introducen sesgos de confirmación y podrían pasar por alto reacciones importantes, pero el flujo de trabajo algorítmico es completamente rastreable 4 y los datos de todas las reacciones, incluidas las «fallidas», se guardan para una inspección futura. Esto mitiga el riesgo de pasar por alto reacciones anómalas potencialmente interesantes que no alcanzan los umbrales de decisión predeterminados (por ejemplo, Supramolecular Screening 9, arriba).
Este enfoque modular debería poder ampliarse a los laboratorios industriales más grandes, conectando, si es necesario, laboratorios de síntesis y análisis separados físicamente mediante robots móviles que puedan atravesar edificios 35 . En un escenario distribuido de este tipo, el costo de los robots móviles podría ser una consideración relativamente menor porque los robots móviles industriales, aunque todavía no se conocen en los laboratorios, son una tecnología de alto crecimiento y altamente mercantilizada que presta servicio a múltiples sectores más allá de la química 36 . Un punto de aprendizaje práctico para los flujos de trabajo modulares que comprenden múltiples plataformas de software y hardware concatenadas es la necesidad de tasas de falla muy bajas por módulo. Por ejemplo, el flujo de trabajo ilustrado aquí requirió más de un año de desarrollo y depuración antes de que fuera lo suficientemente estable para llevar a cabo estos experimentos.
Aunque aquí utilizamos un RMN de sobremesa, podría ser necesaria la introducción de RMN automatizada de alto campo 37 para caracterizar moléculas farmacéuticas más grandes y complejas. Otras direcciones futuras podrían incluir el desarrollo de algoritmos más avanzados para la optimización de la síntesis de circuito cerrado, posiblemente incorporando conocimientos autónomos extraídos de la literatura existente, o la implementación de modelos de lenguaje grandes 38 , 39 como una interfaz para mejorar la accesibilidad para investigadores sin experiencia en automatización.
Métodos
Especificaciones del robot
Los agentes robóticos de KUKA tienen la capacidad nativa de navegar por el entorno de laboratorio y están equipados con una serie de tecnologías como codificadores de motor, unidades de medición inercial, escáneres láser y sensores de fuerza. Estos agentes son cobots, es decir, están certificados comercialmente para usarse en entornos con humanos sin contención adicional. Los robots pueden determinar su posición con una precisión de ±0,12 mm en cualquier distancia de recorrido, con una precisión de orientación de θ ± 0,005°. Este nivel de precisión es suficiente para todas las manipulaciones en estos flujos de trabajo sintéticos, y no hubo errores de posicionamiento o colocación en ninguno de los experimentos descritos aquí.
Software de control del host
Desarrollamos un «Panel de control del sistema de automatización inteligente» (IAS-CP) para controlar el flujo de trabajo de automatización de una manera modular y flexible. Las computadoras de control de instrumentos se conectaron a la PC host del IAS-CP utilizando las capacidades de transmisión y suscripción de ZeroMQ. Durante la ejecución del flujo de trabajo, la PC host transmite comandos individuales o envía subflujos de trabajo automatizados predefinidos a los suscriptores. La ejecución de instrucciones específicas en las computadoras de instrumentos a través de controladores separados se activa al recibir estos comandos (consulte «Disponibilidad de código» para los controladores de control de instrumentos). Se transmite un comando de flujo de trabajo posterior después de que el host recibe una notificación de finalización exitosa de la tarea. Una interfaz gráfica de usuario simple y personalizada permite que los usuarios no expertos organicen y administren la programación del proceso de automatización. Este diseño modular permite el desarrollo de código del lado del cliente para que el dispositivo integre el equipo con el programador (consulte https://doi.org/10.5281/zenodo.11197259 para ver un ejemplo de integración de más equipos en la red).
Estaciones experimentales
Aparte de los experimentos de fotocatálisis, todos los experimentos de síntesis se realizaron utilizando una plataforma ISynth de Chemspeed. El módulo ISynth permite una variedad de funciones que incluyen la dispensación de líquidos, el calentamiento, la agitación, la inertización, la evaporación de solventes y la preparación paralela de múltiples muestras. La plataforma estaba equipada con bloques de reactor ISynth para calentar y agitar, junto con un módulo de tapado por compresión para el sellado de viales de microondas bajo una atmósfera de nitrógeno para experimentos de fotocatálisis fuera de línea. La plataforma se modificó con un par de actuadores eléctricos para facilitar la apertura automática de la puerta de la campana (Fig. 192 suplementaria ), junto con un par de cortinas de luz para mitigar el riesgo para los operadores humanos y robóticos.
Cromatografía líquida-espectrometría de masas
Las mediciones de UPLC-MS se realizaron utilizando un UPLC Acquity de Waters equipado con un detector de masas SQ Detector 2. La máquina UPLC-MS estaba equipada con un accesorio Automation Portal para permitir la colocación robótica de muestras de UPLC-MS. La LC se realizó en una columna Acquity UHPLC BEH C18 con un gradiente de 5-95% de acetonitrilo/agua (0,1% de ácido fórmico) durante 2 min, y se mantuvo durante 0,5 min con 1 min más para el reequilibrio y la inversión del gradiente. Además del flujo de trabajo de química supramolecular, se realizaron inyecciones en blanco de acetonitrilo entre las muestras para garantizar que no quedara material residual en la columna. Para las mediciones de inyección directa, se omitió la columna C18 y se utilizó acetonitrilo (sin ácido fórmico) como eluyente. Las muestras se enviaron al software AutoLynx a través de un archivo CSV generado, que activó el inicio automático de la máquina desde el modo de espera. El instrumento vuelve al modo de espera varios minutos después de que se completa la última muestra del lote.
Mediciones de RMN
Los espectros de RMN en las ejecuciones de flujo de trabajo robótico se recopilaron en un instrumento de sobremesa Bruker Fourier80 (80,13 MHz). El uso de un RMN de sobremesa también alivió la necesidad de disolventes deuterados, optando en su lugar por secuencias de supresión de disolventes. La muestra de calce estándar se utilizó para calce constante utilizando el método de calce rápido cuando el instrumento no estaba en funcionamiento para el flujo de trabajo. Como se utilizó la muestra de bloqueo interno, se utilizaron disolventes no deuterados para todas las mediciones. La supresión de disolventes se realizó utilizando el parámetro MULTISUPPDC establecido en TopSpin 4.3.0 con el programa de pulsos noesycpdcgpps1d, que utiliza el método de presat de espectroscopia de efecto Overhauser nuclear y desacoplamiento de 13 C. Para todas las muestras de flujo de trabajo, se utilizaron 64 escaneos. Los espectros de RMN de 1 H sin supresión de un solo escaneo (programa de pulsos zg30) adquiridos dentro del método MULTISUPPDC se utilizaron para establecer frecuencias de referencia de espectros. Los datos del instrumento Fourier80 se adquirieron y analizaron utilizando un paquete de software personalizado ( https://doi.org/10.5281/zenodo.11174257 ) que se comunica con TopSpin 4.3.0 a través de la API oficial de Python de TopSpin distribuida por Bruker. Se utilizó el procedimiento de deformación temporal dinámica de la referencia 40 para comparar las diferencias en los espectros de RMN.
Caracterización adicional Los espectros de RMN se registraron en un instrumento Bruker Avance III 400 (400,13 MHz) o Avance III HD 500 (500,13 MHz) con el programa de pulsos zg30 (para RMN de 1 H) y zgpg30 (para RMN de 13 C).
Fotocatálisis
Los experimentos de fotocatálisis se realizaron en fotorreactores paralelos SynLED con irradiación de 465 nm. Los fotorreactores se controlaron con una Raspberry Pi, que interactuó con el programador para activar las funciones de encendido y apagado.
Mediciones de difracción de rayos X de monocristal
Los datos se registraron utilizando un difractómetro Rigaku Synergy-DW equipado con un detector de conteo de fotones HyPix Arc100. La temperatura durante la recopilación de datos se controló con un dispositivo de enfriamiento Oxford Cryosystems Cryostream 700 Plus. La reducción de datos, la absorción y otras correcciones se realizaron utilizando CrysAlisPro 1.171.44.46a (Rigaku Oxford Diffraction, 2024). Las estructuras se resolvieron dentro de Olex2 41 mediante el método de fase intrínseca de SHELXT 42 . Los átomos pesados se refinaron anisotrópicamente utilizando SHELXL 43 utilizando la minimización de mínimos cuadrados de matriz completa contra F 2 , y los átomos de hidrógeno se colocaron geométricamente y se refinaron utilizando un modelo de conducción. Los átomos de hidrógeno unidos a átomos de nitrógeno se refinaron libremente.
Procesamiento de datos UPLC-MS
Los datos de UPLC-MS se analizaron utilizando paquetes de software personalizados ( https://doi.org/10.5281/zenodo.11174536 y https://doi.org/10.5281/zenodo.11174323 ) basados en un kit de desarrollo de software proporcionado por Waters a través de la extracción de los datos de coordenadas sin procesar.
Disponibilidad de datos
Los datos sin procesar, los archivos de entrada de ejemplo, el resultado esperado de la toma de decisiones y los ejemplos de guías de las partes de toma de decisiones del código para cada flujo de trabajo se han depositado en Zenodo bajo una licencia CC-BY-SA 4.0 en https://doi.org/10.5281/zenodo.11197259 (ref. 44 ). Los datos de la estructura cristalina se han depositado en el Centro de Datos Cristalográficos de Cambridge con los identificadores 2355749 y 2355750 .
Disponibilidad del código
Todo el código ha sido depositado en GitHub bajo la licencia MIT: el controlador para controlar el Bruker Fourier80 NMR ( https://doi.org/10.5281/zenodo.11174257 ), el puerto del paquete Python del SDK de Waters ( https://doi.org/10.5281/zenodo.11174323 ), el analizador para los archivos UPLC-MS.RAW de Waters ( https://doi.org/10.5281/zenodo.11174536 ) y el tomador de decisiones ( https://doi.org/10.5281/zenodo.11209893 ).
Expresiones de gratitud
Agradecemos la financiación del Leverhulme Trust a través del Leverhulme Research Centre for Functional Materials Design. Este proyecto ha recibido financiación del Consejo Europeo de Investigación (ERC) en el marco del programa de investigación e innovación Horizonte 2020 de la Unión Europea (número de acuerdo de subvención 856405). Recibimos financiación del Consejo de Investigación en Ingeniería y Ciencias Físicas (EPSRC, EP/T031263/1 y EP/N004884/1). AIC agradece a la Royal Society por una cátedra de investigación (RSRP\S2\232003). Agradecemos a H. Fakhruldeen y G. Pizzuto por las discusiones y el asesoramiento sobre aspectos robóticos; a P. Wang por la ayuda con la impresión 3D de los soportes para viales; y al taller de química de la Universidad de Liverpool por la fabricación de soportes metálicos y por la instalación de actuadores en la plataforma Chemspeed. FTS agradece a los científicos de aplicaciones de Bruker UK R. Stein y M. Howard por la ayuda con el ajuste de los parámetros de RMN y el asesoramiento sobre la interfaz de línea de comandos TopSpin. Agradecemos las mediciones de MS de tiempo de vuelo cuadrupolo de alta resolución proporcionadas por S. Robinson y R. Roberts de la Universidad de Liverpool.
Información del autor
Notas del autor
- Estos autores contribuyeron igualmente: Tianwei Dai, Sriram Vijayakrishnan, Filip T. Szczypiński, Jean-François Ayme, Ehsan Simaei
Autores y afiliaciones
- Centro de investigación de Leverhulme para el diseño de materiales funcionales y fábrica de innovación de materiales, Universidad de Liverpool, Liverpool, Reino UnidoTianwei Dai, Sriram Vijayakrishnan, Filip T. Szczypiński, Jean-François Ayme, Ehsan Simaei, Thomas Fellowes, Rob Clowes, Lyubomir Kotopanov, Caitlin E. Shields, Zhengxue Zhou, John W. Ward y Andrew I. Cooper
Contribuciones
AIC supervisó y dirigió la investigación. TD desarrolló el software de control, los microcontroladores y la red de comunicación de laboratorio para operar el flujo de trabajo; y programó ambas plataformas de robots móviles. SV, J.-FA, FTS y AIC diseñaron y planificaron los experimentos de química. ES diseñó el bastidor personalizado para el RMN, la pinza correspondiente e integró el NMR-Agent en el flujo de trabajo. SV y J.-FA realizaron los experimentos de química manuales y automatizados, y caracterizaron los productos con la ayuda de FTSSV, FTS y J.-FA desarrollaron los controladores para UPLC–MS y NMR, e implementaron el tomador de decisiones. TF realizó los experimentos de cristalografía. CES desarrolló una integración inicial del bastidor de RMN personalizado en la plataforma Chemspeed. ZZ y LK ayudaron con la programación de NMR-Agent y UPLC-Agent. RC diseñó, construyó e instaló hardware personalizado para el flujo de trabajo. LK integró el uso de un solo agente robótico móvil. JWW supervisó el trabajo de fotocatálisis y ayudó a concebir el flujo de trabajo de automatización asociado. SV, FTS, J.-FA y AIC prepararon el documento con contribuciones de TD y ES
Autor correspondiente
Declaraciones éticas
Intereses en competencia
Los autores declaran no tener intereses en conflicto.
Revisión por pares
Información de revisión por pares
Nature agradece a Youn-Suk Choi y a los demás revisores anónimos por su contribución a la revisión por pares de este trabajo. Los informes de los revisores por pares están disponibles.
Información adicional
Nota del editor: Springer Nature se mantiene neutral con respecto a los reclamos jurisdiccionales en los mapas publicados y las afiliaciones institucionales.
Figuras y tablas de datos ampliados
Datos ampliados Fig. 1 Rack de RMN hecho a medida para el manejo de agentes móviles.
Izquierda . El bastidor ensamblado está precargado con tubos de RMN y se coloca dentro de la plataforma ISynth; luego, la herramienta de transferencia de líquido dispensa líquido en los tubos, que tienen tapas con orificios para permitir la dispensación. Derecha . NMR-Agent utiliza puntas de dedo hechas a medida que le permiten agarrar y mover el bastidor tanto vertical como horizontalmente. La orientación de agarre vertical se utiliza para retirar el bastidor de la plataforma ISynth, y la orientación de agarre horizontal se utiliza para mover el bastidor al muestreador automático de RMN de sobremesa.
Datos ampliados Fig. 2 Reglas de toma de decisiones para síntesis orgánica divergente paralela.
Selección . Intento de síntesis de urea 6 donde los datos de RMN y LC-MS cumplen con los criterios respectivos; por lo tanto, se considera que la urea 6 es exitosa y se lleva adelante para la replicación de ampliación. Para el objetivo de reacción 11 , fallaron los requisitos de RMN y LC-MS y, por lo tanto, se deselecciona 11. Ampliación . Se encuentra que los datos de RMN y LC-MS de la ampliación de la síntesis de 6 tienen paridad con la muestra de selección y se juzga como «aprobado». Diversificación . Se verifica por LC-MS que el intento de síntesis del producto 19 catalizado por CuAAc es exitoso. Condiciones: a . DCM, temperatura ambiente, 12 h; b . DCM, temperatura ambiente, 12 h; c . Cu(SO 4 ), DCM:IPA:H 2 O, ácido ascórbico, N 2 , 60 °C, 14 h.
Datos ampliados Fig. 3 Estructura esperada y observada para la síntesis de diversificación.
Estructura esperada de 13 , como se apunta en el ejemplo de diversificación de síntesis orgánica divergente paralela (izquierda) y la estructura molecular ciclada observada experimentalmente de 13 y su estructura de rayos X de monocristal (derecha).
Datos ampliados Fig. 4 Reglas del tomador de decisiones para el descubrimiento autónomo de conjuntos huésped-anfitrión supramoleculares.
Selección . En el sentido de las agujas del reloj desde la parte superior izquierda. El responsable de la toma de decisiones juzga los datos de selección de la muestra 2 como un fracaso, tanto por RMN como por MS (trazas rojas), porque no se encuentra ningún resultado de MS y las señales de RMN surgen en gran medida de los materiales de partida; por lo tanto, la reacción se rechaza para una mayor replicación. La muestra de selección 9 muestra un número similar de picos de RMN de 1 H a los materiales de partida pero con cambios sustanciales en la posición ( es decir , un «aprobado» de RMN), pero no hubo confirmación por MS, por lo tanto, un «reprobado» general. La muestra 18 muestra cambios en las señales de RMN pero el espectro general es complejo y probablemente contiene múltiples especies y, por lo tanto, la reacción se rechaza para la replicación, a pesar de tener un resultado positivo de MS. La muestra de selección 7 pasa los tres criterios de RMN y MS y se selecciona para la replicación; la estructura química y la estructura cristalina del helicato resultante se muestran a continuación.
Datos ampliados Fig. 5 Reglas del tomador de decisiones para el descubrimiento autónomo de conjuntos de unión huésped-huésped supramoleculares.
Replicación . Los datos de la síntesis de una jaula de zinc en replicación a gran escala (trazas de RMN rojas) se verifican para comprobar la paridad con los datos de RMN de la etapa de selección (trazas negras) para garantizar la paridad. Las muestras replicadas se verifican para pasar los criterios de MS y RMN, como para la selección, para ser juzgadas como «aprobadas». Las 6 repeticiones autónomas de RMN que se muestran aquí ilustran la reproducibilidad de la síntesis a esta escala mayor. Anfitrión-Invitado . La unión de los invitados a la jaula se valida mediante RMN de 1 H. El ciclohexano se une con éxito a la jaula, como lo evidencian los cambios en las señales de RMN de 1 H aromáticas , mientras que el xileno no muestra tales cambios y se considera un «error» de unión de anfitrión-huésped. Nature. T. D., S. V., F. T. S., J-F. A., E. S., T. F., R. C., L. K., C. E. S., Z. Z., J. W. W. y A. I. C. Traducido al español
Contacto