MS 반응성
MS Reactivity는 자동화된 편향 없는 반응 기전 발견을 위한 ‘Nanoreactor’와 반응 기전에 기반한 반응성 최적화를 위한 ‘RxnEnumProfiler’라는 두 가지 핵심 모듈을 도입함으로써, 화학적 반응성 지형을 탐구하고 최적화하는 방식을 혁신합니다.
MS Reactivity는 자동화된 편향 없는 반응 기전 발견을 위한 ‘Nanoreactor’와 반응 기전에 기반한 반응성 최적화를 위한 ‘RxnEnumProfiler’라는 두 가지 핵심 모듈을 도입함으로써, 화학적 반응성 지형을 탐구하고 최적화하는 방식을 혁신합니다.
다음 역할을 수행합니다. 디스커버리 엔진 역할을 수행하며 MS Reactivity 플랫폼의디스커버리 엔진역할을 수행하는 나노리액터 는 복잡한 화학 반응성 네트워크(RXN)을 발견하고 매핑하기 위해 설계된 자동화된 계산 프레임워크입니다. 반응 기전을 규명하는 것은 반응이 따를 수 있는 모든 가능한 경로를 예측하는 것이 거의 불가능하기 때문에 매우 어려운 것으로 알려져 있으며, 이는 역사적으로 인간의 전문 지식과 시행착오에 의존해 온 과제였습니다.
Nanoreact또는 이 문제를 해결하기 위해, 향상된 샘플링 분자동역학 을 확장 가능한 에너지 평가 프로토콜과 결합하여, 미리 정의된 반응 좌표 없이도 심층적인 메커니즘적 통찰력을 밝혀냅니다. 인간의 편향과 수동적인 좌표 매핑을 제거함으로써, 진정한 비지도 반응 발견을 가능하게 하며, 후속 반응성 최적화에 필요한 기초적인 메커니즘 지식을 제공합니다.
다음 역할을 수행합니다. MS Reactivity 플랫폼의 MS Reactivity 플랫폼의 RxnEnumProfiler 는 기전적 통찰력을 실질적인 반응 설계로 전환합니다. 기존의 촉매 및 유기 반응성 스크리닝은 수작업에 의한 시행착오에 크게 의존하는데, 이는 느리고 오류가 발생하기 쉬우며 완료하는 데 수년이 걸릴 수도 있는 과정입니다.
RxnEnumProfiler 는 표적 라이브러리에서 참조 반응 네트워크를 체계적으로 열거한 다음, 고처리량 양자역학적 평가 또는 머신러닝 력장을 사용하여 이를 선별함으로써 이 문제를 해결합니다. 방대한 화학적 영역 전반에 걸쳐 선택성, 수율 및 동역학적 장벽에 대한 정밀한 예측을 제공함으로써, RxnEnumProfiler는 계산 모델링과 고처리량 실험(HTE)을 직접 연결합니다.


Dub PA, Hughes TF, Mustard TJL. J. Chem. Inf. Model. 2026, 66, 16: 10103–10118.
연구 프로젝트를 발전시키는 데 활용할 수 있는 관련 컴퓨팅 기술에 대해 자세히 알아보세요.
반응성 향상을 위해 첨단 시뮬레이션 및 AI/ML을 어떻게 활용할 수 있는지 알아보시려면 지금 바로 문의해 주십시오.
위에서 관심 있는 분야를 찾지 못하셨나요? 저희에게 연락해 주시면 도와드리겠습니다.
감사합니다. 곧 연락드리겠습니다.
실습 중심의 온라인 ‘ 분자모델링 ’ 과정을 통해 여러분의 역량을 한 단계 높여보세요. 이 자기 주도형 과정은 다양한 과학 주제를 다루며, ‘ Schrödinger ’ 소프트웨어 이용 권한과 지원 서비스가 포함되어 있습니다.
프로젝트의 성공을 위해 ‘ Schrödinger ’ 소프트웨어의 기술과 모범 사례를 활용하는 방법을 알아보세요. 교육 자료, 튜토리얼, 빠른 시작 가이드, 동영상 등을 확인해 보세요.