Reaxys Predictive Retrosynthesis

榮獲 GHP 國際生命科學獎

GHP(Global Health & Pharma Magazine)選擇 Reaxys Predictive Retrosynthesis 為其 2020 年國際生命科學獎得主。 GHP 表示:「透過結合 Reaxys 的內容與 PAI 開發的頂尖人工智慧和機器學習技術,該團隊能夠提供市場上競爭對手無法比擬的解決方案。」

2019 International Life Sciences awards logo

Reaxys Predictive Retrosynthesis 的優勢

Reaxys Predictive Retrosynthesis 是藥物和合成化學中逆向合成領域的一流創新。 從所需的新型分子找到最佳合成路徑,過去需要花費大量時間、精力和專業知識。 使用 Reaxys Predictive Retrosynthesis,您將看到以下的進步:

合成路徑設計

Retrosynthesis picto illustration

尋找合成新化合物的路徑和現有化合物的最佳路徑

決策

Background data picto illustration

得到預測合成路線和實驗程序的背景文獻,以確定要製造什麼化合物以及如何製造它

速度

Faster prediction picto illustration

相較其他電腦輔助的逆合成解決方案更快,10 分鐘內就可以產出新化合物的合成路徑

成本控制

Commercial availability and pricing picto illustration

確切起始材料的商業可用性及定價,因為合成路徑總是以可購買的起始材料開始合成

您還可以整合您自己的反應式資料,建構組元(Building block)或是首選的供應商,獲得更相關的結果。

Elsevier 與 Pending.AI(PAI)合作開發 Reaxys Predictive Retrosynthesis 是以發表在 Nature 上的研究為基礎。將人工智慧與機器學習應用在高品質的 Reaxys 資料。與來自全球 45 位有機化學家一起針對預測的合成路徑進行雙盲測試-結果證明預測路徑是合理且可靠的。這項成果是化學家的解決方案,協助化學家達成:

  • 藥物開發
  • 農業化學藥品
  • 精緻化學品
  • 其他化合物開發

Reaxys Predictive Retrosynthesis 獨特的利用:

Reaxys 高品質反應式資料訓練預測模型-深度學習技術已經超過 1,500 萬次的反應式訓練,自動推導出超過 400,000 條反應式。透過演算法擷取(相對於人工編碼)的規則用於設計和預測已知與新分子的合成路徑。

三種用於自動推導及反應式規則的深度神經網路-此解決方案使用了一個包含以 Reaxys 資料訓練的深度神經網路的模型,並使用蒙地卡羅樹搜尋,能快速且找到可能成功的候選路徑。

從不斷增長的化學資料庫中自我學習-該模型從 Reaxys 的新資料與用戶的內部研究中獲得的資訊持續的精進。這避免了數據孤島(Data siloes)的負面影響,同時從成功和失敗的實驗中學習。


如何使用 Reaxys Predictive Retrosynthesis

藥物與合成化學家需盡可能地減少合成失敗的可能並驗證概念。您需要的是最可靠及最全面的反應式資料,包括您自己的資料,而且能輕鬆地選擇最佳路徑並有效率的管理您的合成專案。

輸入目標分子並選擇參數

Enter target molecule and select parameters screenshot

選擇多樣性與速度相關參數以及建構組元,您也可以增加首選供應商的資訊。

在同一視窗中獲得目標分子所有已發表和預測的合成路徑

Publish and predict molecule routes screenshot

比較每條路徑的步驟數、路徑線性與可信度排名。支援多種格式匯出路徑,方便分享或新增到電子實驗室紀錄簿中。

尋找可購買或內部的起始材料

Purchasable or in-house starting materials screenshot

整合您的起始材料庫、庫存化合物或專有的分子庫。


獲得 Reaxys Predictive Retrosynthesis

歡迎與我們聯繫,或填寫 問卷 我們會再與您聯繫

生命科學解決方案經理 Ryan Huang+886-02-2522-5937 r.huang@elsevier.com