学术速运|阿斯利康-利用真实数据集进行反应产率预测

题目：On the use of real-world datasets for reaction yield prediction

文献来源:Chem. Sci., 2023, 14, 4997

代码：https://github.com/nsf-c-cas

简介：缺乏公开可用的、大型的、无偏不倚的数据集是机器学习（ML）方法在合成化学中应用的一个关键瓶颈。来自电子实验室笔记本（ELNs）的数据可以提供更少的偏见，大的数据集，但没有这样的数据集被公开。本文公开了来自大型制药公司ELNs的第一个真实世界数据集，并描述了其与高通量实验（HTE）数据集的关系。对于化学产量预测，这是化学合成的关键任务，属性图神经网络（AGNN）在 Suzuki–Miyaura和 Buchwald–Hartwig反应的两个HTE数据集上的表现与之前最好的模型一样好或更好。然而，在ELN数据集上训练AGNN并不会产生预测模型。在产量预测的背景下，作者讨论了使用ELN数据来训练基于ml的模型的含义。

主要内容：

-------------------------------------------

欢迎点赞收藏转发！

下次见！