Identifikation und Design von autokatalytischen Molekülen
Identification and design of autocatalytic molecules
Wissenschaftsdisziplinen
Biologie (31%); Chemie (46%); Mathematik (23%)
Keywords
-
Autocatalysis,
Cheminformatics,
Systems Chemistry,
Graph Algorithms,
Reaction Prediction,
Machine Learning
Der Begriff Autokatalyse beschreibt chemische Reaktionen, bei denen ein Molekül Kopien von sich selbst aus Ausgangsmaterialien anfertigt. Solche Reaktionen sind in vielen wissenschaftlichen Forschungsgebieten interessant. Ein Molekül, das andere Moleküle in sich aufnimmt um zu wachsen und sich zu vermehren ist ein plausibler Kandidat, der das Bindeglied zwischen einer unbelebten Welt und dem Erscheinen des ersten lebenden Organismus bilden könnte. Moderne Lebensformen funktionieren auf die gleiche Weise und es wird vermutet, dass deren Stoffwechselkreislauf noch immer diesen chemischen Grundprozess enthält. Abgesehen von biologischen Fragestellungen sind autokatalytische Reaktionen auch interessant in umweltfreundlichen industriellen Synthesen. Arzneistoffherstellung, Lebensmittelindustrie, Kosmetikerzeugung und viele andere Branchen benötigen chemische Produkte. Chemische Prozesse erzeugen oft eine Menge Abfall vergleichbar mit der Menge des erwünschten Produktes und benötigen teure, manchmal sogar gefährliche Zusätze. Eine hypothetische autokatalytische Fabrik könnte das erwünschte Produkt aus einer kleinen Ausgangsmenge und deren Zutaten erzeugen. Ein solcher Prozess beschränkt den Bedarf an teuren Katalysatoren und vermindert die Menge an erzeugtem Abfall, was sowohl wirtschaftlichen Interessen als auch dem Umweltschutz dient. Jedoch sind die meisten Experten der Meinung, dass selbstkopierende Moleküle ein sehr seltenes Phänomen sind. Die wenigen bekannten autokatalytischen Moleküle wurden durch glücklichen Zufall in Experimenten entdeckt, was deren weite Verwendbarkeit in der Industrie und biologischen Fragestellungen drastisch begrenzt. Dieses Projekt verbindet die Disziplinen der organischen Chemie und Graphalgorithmen um Methoden zu erschaffen, mit denen autokatalytische Reaktionen systematisch erzeugt werden können. Ein Computer kann Reaktionsdatenbanken durchsuchen und dieses Wissen kombinieren, um Synthesewege zu finden, wie ein gewünschtes Molekül mehr von sich selbst erzeugen könnte. Mittels künstlicher Intelligenz kann dann berechnet werden, wie wahrscheinlich eine so berechnete Reaktion in Wirklichkeit stattfindet. Vielversprechende Ergebnisse werden von Kooperationspartnern im Labor getestet. Auf die gleiche Weise können große biochemische Reaktionsnetzwerke systematisch nach Kreisläufen durchsucht werden, in denen ein biochemisches Molekül Kopien von sich selbst baut. Das hilft Biologen bei der Suche nach der Antwort auf eine der wichtigsten Fragen der Wissenschaft: Der Übergang zwischen Chemie und Biologie, und somit der Ursprung des Lebens.
- Harvard Medical School - 100%
- Monika Henzinger, Institute of Science and Technology Austria - ISTA , nationale:r Kooperationspartner:in
- Daniel Merkle, University of Southern Denmark - Dänemark
- Daniel Segre, Boston University - Vereinigte Staaten von Amerika
- Connor W. Coley, Massachusetts Institute of Technology - Vereinigte Staaten von Amerika
- Ramanarayanan Krishnamurthy, The Scripps Research Institute - Vereinigte Staaten von Amerika
Research Output
- 6 Zitationen
- 1 Publikationen
-
2022
Titel Nuclear Overhauser spectroscopy in hyperpolarized water – chemical vs. magnetic exchange DOI 10.1039/d2cc03735a Typ Journal Article Autor Epasto L Journal Chemical Communications Seiten 11661-11664 Link Publikation