TRAO ĐỔI KHOA HỌC CHỦ ĐỀ “SYNTEMP: EFFICIENT EXTRACTION OF GRAPH-BASED REACTION RULES FROM LARGE-SCALE REACTION DATABASES”
15/01/2025
Sáng thứ Sáu ngày 10/01/2025 tại Phòng Họp 1, Khoa Dược - Đại học Y Dược Thành phố Hồ Chí Minh đã diễn ra buổi Trao đổi khoa học định kỳ tháng 01/2025 qua phần trình bày của Báo cáo viên ThS. Phan Tiểu Long, Nghiên cứu sinh Tiến sĩ, Dự án TACsy giữa Đại học Leipzig và Đại học Nam Đan Mạch (University of Southern Denmark), thu hút sự quan tâm tham dự của gần 50 giảng viên - nghiên cứu viên và sinh viên, học viên Khoa Dược.
Báo cáo viên trình bày về chủ đề “SynTemp: Efficient Extraction of Graph-Based Reaction Rules from Large-Scale Reaction Databases”. SynTemp là một phần mềm được thiết kế để trích xuất và phân cụm các “khung phản ứng cơ bản” (reaction templates) từ dữ liệu phản ứng quy mô lớn. “Khung phản ứng” là những đồ thị “trạng thái chuyển tiếp giả tưởng” (Imaginary Transition State) mô tả tâm phản ứng và các thành phần xung quanh. Các đồ thị này tương đương với quy tắc viết lại đồ thị Double Pushout, do đó có thể được áp dụng trực tiếp để dự đoán kết quả phản ứng ở cấp độ cấu trúc. Việc suy luận quy tắc phản ứng dựa trên sự đồng thuận của nhiều công cụ ánh xạ nguyên tử - nguyên tử (atom - atom mapping, AAM), tích hợp các dự đoán từ RXNMapper, GraphormerMapper và LocalMapper, cùng một nền tảng phương pháp luận đồ thị vững chắc để so sánh các ánh xạ nguyên tử - nguyên tử bán phần. SynTemp đạt độ chính xác rất cao (99,5%) và tỷ lệ thành công 71,23% trong việc thiết lập AAM cho bộ Chemical Reaction Dataset. Tâm phản ứng cùng các thành phần xung quanh được trích xuất, sau đó bổ sung thêm các nguyên tử hydro liên quan đến cơ chế phản ứng để hình thành các mẫu phản ứng hoàn chỉnh. Tiếp theo, những mẫu này được phân nhóm dựa trên đặc trưng hình học bằng phương pháp phân cụm phân cấp, tạo thành một thư viện gồm 311 quy tắc phản ứng hay “khung phản ứng”, giải thích 86% bộ dữ liệu phản ứng. Vẫn còn 14% trường hợp chưa giải quyết do AAM không tương đương và vị trí hydro không rõ ràng. Dù còn những thách thức này, độ bao phủ của các mẫu phản ứng vẫn rất cao, khoảng 93,5 - 94,5%, vượt xa RDChiral khi sử dụng các SMARTS.
Nghiên cứu nhắm đến việc xây dựng một phần mềm để bước đầu xây dựng được một quy trình tổng hợp ngược cho một số khung phản ứng. Đây là hướng nghiên cứu đang được quan tâm nhiều trên thế giới trong lĩnh vực ứng dụng trí tuệ nhân tạo vào tổng hợp hữu cơ. Kết thúc buổi trao đổi khoa học, PGS.TS. Trương Ngọc Tuyền, Trưởng Bộ môn Hóa hữu cơ gửi quà lưu niệm của Khoa Dược đến Báo cáo viên thay lời cảm ơn cũng như bày tỏ hy vọng tiếp tục được Báo cáo viên chia sẻ kiến thức, kinh nghiệm trong tương lai./.
Báo cáo viên (đứng) trình bày về chủ đề “SynTemp: Efficient Extraction of Graph-Based Reaction Rules from Large-Scale Reaction Databases”
PGS.TS. Trương Ngọc Tuyền (phải), Trưởng Bộ môn Hóa hữu cơ tặng quà lưu niệm của Khoa Dược đến Báo cáo viên thay lời cảm ơn
Báo cáo viên chụp ảnh lưu niệm cùng toàn thể đại biểu tham dự buổi Trao đổi khoa học
Bài, ảnh: Tổ HTQT-NCKH, Văn phòng Khoa Dược