[发明专利]小样本环境下基于XGBoost的化学反应产率智能预测与分析方法

说明书

本发明公开了小样本环境下基于XGBoost的化学反应产率智能预测与分析方法，包括对三维描述符的数据获取、智能预测和结果分析。三维描述符的数据获取，是通过将绘制出的相关化学结构的二维结构图转化为三维结构图，然后再利用相关软件计算其三维结构的描述符；三维描述符的智能预测，是通过梯度提升树模型XGBoost对获取的三维描述符进行训练和预测；该算法中嵌入了网格搜索法，对多个参数的可能取值进行排列组合，通过模型预测结果选取最佳参数；三维描述符的结果分析，是对智能预测模块的输出进行分析；通过计算也能得到描述符的重要性排序，以此为用户提供更可靠的决策信息。本发明能够辅助化学家做出合理分析预测，大大加速化学研发过程。

技术领域

本发明属于基于模式识别和人工智能的有机合成领域，具体涉及小样本环境下基于XGBoost的化学反应产率智能预测与分析方法。

背景技术

偶联反应(coupling reaction)在有机合成中十分重要，其产物广泛应用于医药、农药、天然产物甚至先进的功能材料。偶联反应根据反应类型又可分为交叉偶联反应(两种不同的片段结合为一个分子)和自身偶联反应(两种相同的片段结合为一个分子)。钯催化的交叉偶联反应是偶联反应的一大类，是指以钯化合物作为催化剂(多为均相催化剂)的反应。

为制造复杂但又十分重要的有机材料，需要通过化学反应将碳原子结合在一起。但是碳原子在有机分子中与相邻原子之间的化学键往往非常稳定，不易与其他分子发生化学反应。以往的方法虽然能令碳原子更加活跃，但是，过于活跃的碳原子却又会产生大量副产物，而用钯作为催化剂则可以解决这个问题。钯原子就像“媒人”一样，把不同的碳原子吸引到自己身边，使碳原子之间的距离变得很近，容易结合——也就是“偶联”。这样的反应不需要把碳原子激活到很活跃的程度，副产物比较少，因此更加精确而高效。Richard F.Heck早在1972年发现了以钯作为催化剂，能够在较温和的条件下实现碳原子之间的连接，Ei-ichiNegishi和Akira Suzuki分别在1977年和1979年进一步发展了利用钯催化交叉偶联C—C原子的方法，使该类化学反应的底物和产物类型进一步得到扩展。这些方法能够简单而有效地使稳定的碳原子方便地连结在一起，从而合成结构更为复杂的分子。这些交叉偶联合成方法的诞生，使得化学家操控原子和分子的能力和水平得到空前提升。

2010年美国科学家Richard F.Heck、日本科学家Ei-ichiNegishi和Akira Suzuki也因发展出“有机合成中的钯催化的交叉偶联方法”获得该年度诺贝尔化学奖。运用这些方法，很多过去难于合成甚至无法合成的物质已经被轻而易举地创造出来。事实上，他们发明的方法，已经被广泛应用于制药、电子工业和先进材料等领域的科学研究与工业生产。

钯催化不仅可以实现C—C结合的偶联反应，也可以实现碳—杂原子结合的偶联反应。C—N的生成反应是现代有机合成中的一个重要领域。通过生成C—N键可以制备胺及其衍生物、含氮杂环等，它们很多是具有生物、药用活性的化合物以及一些重要中间体。芳胺在医药和功能材料等领域发挥着重要作用，Buchwald-Hartwig(布赫瓦尔德-哈特维希)胺化反应是合成取代芳胺的一种高效且通用的方法，也是利用钯催化构建C—N键的有机合成领域的研究热点之一。然而，将该反应应用于复杂的类药物分子仍然具有挑战性，一个限制是具有五元杂环的底物(如异恶唑)的性能较差，该五元杂环含有杂原子-杂原子键。这些杂环具有类似药物的特征，但在成功的候选药物中代表性不足；二是与Pd金属属于贵金属，不仅价格昂贵而且有一定的毒性；三是针对不同的反应底物、用什么添加剂、基底和配体没有一个成熟的反应规律使得产率更高、反应更高效，传统的人为实验又需要不断地试错，效率低、成本高，实现难度较大。因此，如何在花费较少、高效率选取反应条件的情况下得到较高的预测产率是研究人员最关心的问题。为此研究人员考虑用机器学习的方法进行来预测在异恶唑存在下Buchwald-Hartwig反应的性能。