DOI: https://doi.org/10.1021/acscentsci.5c02031
PMID: https://pubmed.ncbi.nlm.nih.gov/41768766
تاريخ النشر: 2026-02-05
المؤلف: Jesse Ahlbrecht وآخرون
الموضوع الرئيسي: تفاعلات الربط المتقاطع الحفاز
نظرة عامة
تقدم البحث طريقة إحصائية قوية تستخدم درجات z لتحليل مجموعة بيانات تتكون من 66,000 تفاعل تجريبي عالي الإنتاجية (HTE)، تهدف إلى تعزيز اكتشاف المواد الكيميائية من خلال تحسين ظروف التفاعل. يسلط الدراسة الضوء على قيود التدخل البشري في تصميم التفاعلات وتحليل البيانات، مما يمكن أن يقدم تحيزات ويزيد التكاليف. من خلال الاستفادة من نتائج التفاعلات السابقة، يظهر المؤلفون أن طريقتهم يمكن أن تنتج رؤى قابلة للتنفيذ، خاصة لتفاعلات الربط المتقاطع Buchwald-Hartwig وSuzuki-Miyaura، كاشفين عن ظروف مثالية تختلف بشكل كبير عن الإرشادات الأدبية المعمول بها.
تؤكد النتائج فعالية منهجية درجات z في تقديم توصيات مدفوعة بالبيانات تتحدى الحكمة التقليدية، خاصة في التحولات المعقدة مثل الأمين Buchwald-Hartwig. تشير النتائج إلى تسلسل أداء للمواد المساعدة يتناقض مع المصادر التقليدية، مما يوفر للكيميائيين أداة بسيطة وقابلة للتفسير لاتخاذ قرارات مستنيرة. لا تعزز هذه الطريقة معدلات النجاح فحسب، بل تحافظ أيضًا على المواد الأولية، كما أنها تعمل كآلية تغذية راجعة حاسمة لتصميم التجارب التكرارية، مما يحسن في النهاية كفاءة تحسين التفاعل في أبحاث الأدوية.
مقدمة
في السنوات الأخيرة، استخدمت صناعة الأدوية بشكل متزايد التجارب عالية الإنتاجية (HTE) لتعزيز عمليات اكتشاف الأدوية من خلال تحسين كيمياء الجزيئات الصغيرة واستكشاف ظروف التفاعل بشكل أكثر كفاءة. يمكن لمختبرات HTE إنتاج كميات هائلة من البيانات من خلال إجراء تفاعلات متوازية على نطاق مصغر، والتي يمكن استخدامها بعد ذلك لتدريب نماذج التعلم الآلي للتنبؤ بتفاعلات جديدة. ومع ذلك، على الرغم من التقدم في التعلم الآلي، لا يزال التدخل البشري هو السائد في تصميم ألواح HTE، مما يشير إلى الحاجة إلى طرق أكثر بديهية لاستخدام بيانات HTE من أجل التحسين.
يدير مؤلفو هذه الدراسة مختبر HTE يعالج أكثر من 200 تحول كيميائي سنويًا، مما ينتج حوالي 25,000 نتيجة تفاعل جديدة كل عام. تتضمن سيرتهم العملية الأتمتة لعدة خطوات، ومع ذلك، لا يزال تصميم التجارب وتفسير البيانات يتم يدويًا. غالبًا ما تكون مجموعة البيانات منحازة نحو أنواع التفاعلات الصعبة، مما يتطلب نقطة انطلاق قوية للتحسين بسبب القيود المفروضة على المواد الأولية المتاحة والوقت. يؤكد المؤلفون على أهمية استخدام البيانات الداخلية بدلاً من قواعد البيانات الخارجية، التي تميل إلى أن تكون متحيزة ومحدودة في التعقيد. لمعالجة هذه التحديات، يقترحون استخدام تحليل درجات z، وهي طريقة إحصائية بسيطة تقيس مدى انحراف نقطة البيانات عن المتوسط، كوسيلة لتحديد مكونات التفاعل ذات الأداء العالي في مجموعات بيانات التحسين الكبيرة. تهدف هذه الطريقة إلى تسهيل طريقة أكثر فعالية وقابلية للتفسير لتصميم التجارب في HTE.
طرق
في هذه الدراسة، يقدم المؤلفون مجموعة بيانات شاملة تتكون من 66,000 تفاعل عبر 42 نوعًا مختلفًا من التفاعلات، مع تركيز ملحوظ على التحولات للمركبات ذات الوظائف العالية ذات الصلة باكتشاف الأدوية. من بين هذه الأنواع، تحتوي 13 نوعًا من التفاعلات على أكثر من 1,000 تفاعل لكل منها. تتضمن المنهجية حساب درجات z لكل تجربة لتقييم أداء المواد المساعدة، حيث يتم تعريف درجة z على أنها \( z = \frac{x – \mu}{\sigma} \)، مع كون \( x \) هو النسبة المئوية للمنطقة الملاحظة، و\( \mu \) هو النسبة المئوية للمنطقة المتوسطة، و\( \sigma \) هو الانحراف المعياري لزوج معين من الركائز. تتيح هذه الطريقة مقارنة سياقية للنتائج، مما يمكّن من تحديد النتائج المهمة حتى في وجود العديد من التفاعلات الفاشلة.
يستخدم المؤلفون نظام تصنيف للمواد المساعدة بناءً على درجات z المتوسطة لها من أعلى \( n \) درجات، مما يسمح للمستخدمين بضبط \( n \) لتحقيق توازن بين الأداء القوي عبر ظروف مختلفة والأداء الاستثنائي في ظل ظروف معينة. تؤكد الدراسة على أهمية استبعاد القيم الشاذة من خلال استخدام القيم المتوسطة وتحديد حد أدنى لعدد التحولات التي يجب اختبار مادة مساعدة فيها. من الجدير بالذكر أن توزيعات البيانات الأساسية تظهر انحرافًا إيجابيًا كبيرًا، مما يؤثر على تفسير درجات z؛ وبالتالي، بينما تخدم درجات z لأغراض التطبيع، فإنها لا تدعم الاستدلال الاحتمالي بسبب انتهاكها للمعيارية.
نتائج
تسلط نتائج هذه الدراسة الضوء على دمج بيانات التجارب عالية الإنتاجية (HTE) مع التحليل الإحصائي لتوليد توصيات قابلة للتنفيذ للمواد المساعدة من مجموعة بيانات حقيقية كبيرة. تتكون مجموعة البيانات من 66,000 تفاعل مصنفة إلى 42 نوعًا مختلفًا من التفاعلات، مع وجود 13 من هذه الأنواع تحتوي على أكثر من 1,000 تفاعل لكل منها. تأتي هذه المجموعة الشاملة من البيانات مع كود مصدر لأداة تحليل تسهل توصيات المواد المساعدة بناءً على نوع التفاعل، مجموعة الوظائف المتفاعلة، وفئة المواد المساعدة. بالإضافة إلى ذلك، الأداة متاحة كتطبيق ويب على https://go.roche.com/zScoreApp.
لتوضيح التطبيق العملي للأداة، يتم تقديم حالتين دراسيتين: الربط المتقاطع Buchwald-Hartwig، الذي يتضمن 20,000 تفاعل، والربط المتقاطع Suzuki-Miyaura، الذي يضم 11,000 تفاعل. تعتبر هذه الأنواع من التفاعلات ذات أهمية خاصة بسبب انتشارها في مجموعة البيانات، مما يوفر للمستخدمين توقعًا واضحًا لقدرات الأداة والرؤى التي يمكن أن تقدمها لاختيار المواد المساعدة في الكيمياء التركيبية.
مناقشة
في مناقشة ورقة البحث، يركز المؤلفون على تفاعلات الربط المتقاطع Buchwald-Hartwig، مؤكدين على أهمية الأمينات العطرية في تطبيقات كيميائية متنوعة، خاصة في اكتشاف الأدوية. يسلطون الضوء على هيمنة التفاعلات المحفزة بالبلاتين في فحوصاتهم، مشيرين إلى أن البروميدات والكلوريدات الأريلية هي أكثر النوى الشائعة، بينما تعتبر الأمينات الأليفاطية الأولية والأنيلينات هي الأكثر استخدامًا. يقدم المؤلفون تحليلًا مفصلًا لأداء المواد المساعدة، كاشفين أن مادة NHC DiMeIHept Cl تتفوق على غيرها على الرغم من تكلفتها الأعلى، بينما تظهر SPhos أداءً متغيرًا بناءً على هيكل الركيزة. كما يلاحظون التناقضات بين نتائجهم والأدبيات الموجودة، خاصة فيما يتعلق بتوصيات المواد المساعدة وظروف التفاعل المثلى، مما يشير إلى أن نهجهم المدفوع بالبيانات يقدم رؤى أكثر دقة حول نتائج التفاعل.
يقارن المؤلفون أيضًا نتائجهم مع توصيات الأدبيات، مشيرين إلى تداخل ضئيل ويبرزون أن المواد المساعدة المستخدمة بشكل شائع غالبًا ما تحتل مرتبة أدنى في مجموعة بياناتهم. يعزون هذه الاختلافات إلى تعقيد الركائز المستخدمة في تجاربهم، والتي قد تتطلب مذيبات وقواعد مختلفة عن تلك الموصى بها تقليديًا. بالإضافة إلى ذلك، يناقشون الربط المتقاطع Suzuki-Miyaura، حيث يلاحظون وجود انحرافات أقل عن الأمثل المعروف في الأدبيات، مما يشير إلى أداء أكثر اتساقًا لبعض المحفزات. يحذر المؤلفون من أن مجموعة بياناتهم، على الرغم من كونها شاملة، ليست عينة عشوائية وقد تتأثر بالتحيزات، مثل تحيز البقاء ومعايير اختيار المواد المساعدة. ويخلصون إلى أن منهجيتهم المعتمدة على درجات z توفر رؤى قيمة لتحسين التفاعلات الكيميائية، خاصة في السيناريوهات الصعبة، وتمثل تقدمًا كبيرًا في سير العمل في المختبرات لاكتشاف الأدوية.
DOI: https://doi.org/10.1021/acscentsci.5c02031
PMID: https://pubmed.ncbi.nlm.nih.gov/41768766
Publication Date: 2026-02-05
Author(s): Jesse Ahlbrecht et al.
Primary Topic: Catalytic Cross-Coupling Reactions
Overview
The research introduces a robust statistical method utilizing z-scores to analyze a dataset of 66,000 high-throughput experimentation (HTE) reactions, aimed at enhancing chemical discovery by optimizing reaction conditions. The study highlights the limitations of human involvement in reaction design and data analysis, which can introduce biases and increase costs. By leveraging past reaction outcomes, the authors demonstrate that their method can yield actionable insights, particularly for the Buchwald-Hartwig and Suzuki-Miyaura cross-coupling reactions, revealing optimal conditions that significantly deviate from established literature guidelines.
The findings underscore the effectiveness of the z-score-based methodology in providing data-driven recommendations that challenge conventional wisdom, especially in complex transformations like the Buchwald-Hartwig amination. The results indicate a performance hierarchy of ligands that contrasts with traditional sources, thereby offering chemists a straightforward and interpretable tool for informed decision-making. This approach not only enhances hit rates and conserves starting materials but also serves as a critical feedback mechanism for iterative experimental design, ultimately improving the efficiency of reaction optimization in pharmaceutical research.
Introduction
In recent years, the pharmaceutical industry has increasingly utilized high throughput experimentation (HTE) to enhance drug discovery processes by optimizing small molecule chemistry and exploring reaction conditions more efficiently. HTE laboratories can generate vast amounts of data by conducting parallel reactions on a miniature scale, which can subsequently be leveraged to train machine learning models for predicting new reactions. However, despite advancements in machine learning, human intervention remains predominant in designing HTE plates, indicating a need for more intuitive methods to utilize HTE data for optimization.
The authors of this study operate an HTE lab that processes over 200 chemical transformations annually, yielding approximately 25,000 new reaction outcomes each year. Their workflow incorporates automation for various steps, yet experimental design and data interpretation are still performed manually. The dataset is often skewed towards challenging reaction types, necessitating a robust starting point for optimization due to constraints on available starting materials and time. The authors emphasize the importance of utilizing internal data over external databases, which tend to be biased and limited in complexity. To address these challenges, they propose using z-score analysis, a straightforward statistical method that quantifies how far a data point deviates from the mean, as a means to identify high-performing reaction components in large optimization datasets. This approach aims to facilitate a more effective and explainable method for experiment design in HTE.
Methods
In this study, the authors present a comprehensive dataset comprising 66,000 reactions across 42 distinct reaction types, with a notable focus on transformations of highly functionalized molecules relevant to drug discovery. Among these, 13 reaction types contain over 1,000 reactions each. The methodology involves calculating z-scores for each experiment to assess reagent performance, where the z-score is defined as \( z = \frac{x – \mu}{\sigma} \), with \( x \) being the observed area percentage, \( \mu \) the mean area percentage, and \( \sigma \) the standard deviation for a given substrate pair. This approach allows for a contextual comparison of results, enabling the identification of significant hits even in the presence of numerous failed reactions.
The authors employ a ranking system for reagents based on their median z-scores from the top \( n \) scores, allowing users to adjust \( n \) to balance between robust performance across various conditions and exceptional performance under specific circumstances. The study emphasizes the importance of excluding outliers by using median values and setting a minimum threshold for the number of transformations in which a reagent must be tested. Notably, the underlying data distributions exhibit substantial positive skewness, which affects the interpretation of z-scores; thus, while z-scores serve for normalization, they do not support probabilistic inference due to the violation of normality.
Results
The results of this study highlight the integration of high-throughput experimentation (HTE) data with statistical analysis to generate actionable reagent recommendations from a substantial real-world dataset. The dataset comprises 66,000 reactions categorized into 42 distinct reaction types, with 13 of these types containing over 1,000 reactions each. This comprehensive dataset is accompanied by source code for an analysis tool that facilitates reagent recommendations based on reaction type, reacting functional group, and reagent category. Additionally, the tool is accessible as a web application at https://go.roche.com/zScoreApp.
To illustrate the practical application of the tool, two case studies are presented: the Buchwald-Hartwig cross-coupling, which includes 20,000 reactions, and the Suzuki-Miyaura cross-coupling, featuring 11,000 reactions. These reaction types are particularly significant due to their prevalence in the dataset, providing users with a clear expectation of the tool’s capabilities and the insights it can offer for reagent selection in synthetic chemistry.
Discussion
In the discussion of the research paper, the authors focus on the Buchwald-Hartwig cross-coupling reactions, emphasizing the significance of aromatic amines in various chemical applications, particularly in drug discovery. They highlight the predominance of palladium-catalyzed reactions in their screenings, noting that aryl bromides and chlorides are the most common electrophiles, while primary aliphatic amines and anilines are the most frequently used nucleophiles. The authors present a detailed analysis of ligand performance, revealing that the NHC ligand DiMeIHept Cl outperforms others despite its higher cost, while SPhos shows variable performance based on substrate structure. They also note discrepancies between their findings and existing literature, particularly regarding ligand recommendations and optimal reaction conditions, suggesting that their data-driven approach offers more accurate insights into reaction outcomes.
The authors further compare their findings with literature recommendations, noting minimal overlap and highlighting that commonly used ligands often rank lower in their data set. They attribute these differences to the complexity of the substrates used in their experiments, which may require different solvents and bases than those traditionally recommended. Additionally, they discuss the Suzuki-Miyaura cross-couplings, where they observe fewer deviations from literature-known optima, indicating a more consistent performance of certain catalysts. The authors caution that their data set, while extensive, is not a random sampling and may be influenced by biases, such as survivorship bias and reagent selection criteria. They conclude that their z-score-based methodology provides valuable insights for optimizing chemical reactions, particularly in challenging scenarios, and represents a significant advancement in laboratory workflows for drug discovery.