Simulación bidimensional de RMN acoplada con reconocimiento de patrones via redes neuronales: una poderosa herramienta de validación estructural

Abstract

El aislamiento, caracterización y síntesis total de nuevos productos naturales con potencial actividad biológica, es una de las áreas más apasionantes de la química. Dentro de esta, la elucidación estructural de moléculas orgánicas complejas es una tarea sumamente desafiante. Entre las distintas técnicas espectroscópicas para llevar a cabo tal fin se destaca la Resonancia Magnética Nuclear (RMN) la cual ha ido evolucionando con el advenimiento de espectrómetros cada vez más sofisticados y nuevas secuencias de pulsos. Sin embargo en la era dorada de la RMN la publicación de estructuras incorrectas continúa siendo una situación común. La gran complejidad molecular, los errores humanos, la ambigüedad de señales y las impurezas de las muestras pueden considerarse como las fuentes más comunes de las asignaciones erróneas. Cientos de revisiones estructurales se han publicado en las últimas décadas, que van desde errores groseros en la conectividad a sutiles (pero no menos importante) errores estereoquímicos. Teniendo en cuenta que las discrepancias se detectan a menudo después de la síntesis total de la estructura originalmente propuesta (errónea), no es ilógico suponer que la arquitectura molecular real de muchos de los productos naturales reportados sigue siendo desconocida.La química computacional moderna ha contribuido significativamente a prevenir estos errores. En este contexto hemos desarrollado herramientas que permiten interpretar la correlación entre datos experimentales y calculados de RMN que contribuyen significativamente en el proceso de elucidación estructural.

The isolation, characterization and total synthesis of new natural products with potential biological activity is one of the most exciting areas of chemistry. Regarding this, structural elucidation of complex organic molecules is a highly challenging task. Among the different spectroscopic techniques to carry out this purpose stand out the Nuclear Magnetic Resonance, which has evolved with the advent of increasingly sophisticated spectrometers and new pulse sequences. However in the golden age of NMR, the publication of incorrect structures remains a common situation. The large molecular complexity, human errors, signal ambiguity and sample impurities can be considered as the most common sources of erroneous assignments. Hundreds of structural revisions have been published in recent decades, ranging from severe errors in connectivity to subtle stereochemical errors. Taking into account that these discrepancies are often detected after the total synthesis of the originally proposed (erroneous) structure, it is not illogical to assume that the actual molecular architecture of many of the reported natural products remains unknown. Modern computational chemistry has contributed significantly to preventing these errors. In this context we have developed some tools to interpret the correlation between experimental and calculated NMR data that contribute significantly to structural elucidation process.