C–N cross-coupling

化学家通常通过将催化剂应用于一系列简单化合物来发现反应。在药物研究中调整这些反应以容忍更多的结构复杂性非常耗时。Ahneman等人报告称，机器学习可以提供帮助。他们使用高通量数据集训练了一种随机森林算法，以预测在 C-N 键形成过程中哪种特定的钯催化剂最能耐受异恶唑（具有 N-O 键的环状结构）。这些预测还有助于指导对催化剂抑制机制的分析。