Data Science-Driven Discovery of Optimal Conditions and a Condition-Selection Model for the Chan–Lam Coupling of Primary Sulfonamides
Notice bibliographique
Résumé
Secondary N -arylsulfonamides are common in pharmaceutical compounds owing to their valuable physicochemical properties. Direct N -arylation of primary sulfonamides presents a modular approach to this scaffold but remains a challenging disconnection for transition metal-catalyzed cross coupling broadly, including the Chan–Lam (CL) coupling of nucleophiles with (hetero)aryl boronic acids. Although the CL coupling reaction typically operates under mild conditions, it is also highly substrate-dependent and prone to overarylation, limiting its generality and predictivity. To address these gaps, we employed data science tools in tandem with high-throughput experimentation to study and model the CL N -arylation of primary sulfonamides. To minimize bias in training set design, we applied unsupervised learning to systematically select a diverse set of primary sulfonamides for high-throughput data collection and modeling, resulting in a novel data set of 3,904 reactions. This workflow enabled us to identify broadly applicable, highly selective conditions for the CL coupling of aliphatic and (hetero)aromatic primary sulfonamides with complex organoboron coupling partners. We also generated a regression model that successfully identifies not only high-yielding conditions for the CL coupling of various sulfonamides but also sulfonamide features that dictate reaction outcome.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».