Robot-assisted mapping of chemical reaction hyperspaces and networks

Motivation

Known: 화학반응의 결과는 농도, 온도, 기질 비율 등 다차원 초공간의 반응 조건에 따라 결정되지만, 인간 화학자는 극히 제한된 조건만 탐색 가능함
Gap: 기존 자동화 플랫폼은 수천 개 반응은 생성할 수 있으나, 정제(purification)와 수율 정량화가 병목. NMR, LC-MS 등 분석 기법은 처리량이 시간당 수 개로 제한되어 반응 초공간의 전체 그림을 얻기 어려움
Why: 반응 초공간이 매끄러운지 울퉁불퉁한지, 예상 외 반응성 영역이나 주생성물 전환이 존재하는지, 부산물로 숨겨진 중간체가 있는지 알려지지 않음
Approach: UV-Vis 분광법을 기반으로 하는 저비용 로봇 플랫폼 개발. 스펙트럼 언믹싱(spectral unmixing) 알고리즘으로 복잡한 혼합물 분석, 이상 탐지 알고리즘으로 예기치 않은 반응 감지

저비용 고처리량 플랫폼: 약 $25K 로봇으로 하루 1,000개 반응 실행 가능. UV-Vis 검출 (~100 샘플/시간, 샘플당 수 센트)로 NMR/LC-MS의 비용·시간 병목 회피. 전체 9,000개 이상의 조정된 혼합물 분석
스펙트럼 언믹싱 기반 정량화: 모든 초공간 샘플을 하나로 합치고 한 번의 HPLC/NMR/MS로 '기저 성분 집합(basis set)' 확인 후, 각 초공간 지점의 복잡한 UV-Vis 스펙트럼을 벡터 분해로 분해. 상대 표준 편차 5% 내 정확도 달성
반응 초공간의 수학적 특성 규명: 연속 변수(농도, 온도)에 대해 개별 수율 분포는 일반적으로 천천히 변함(slow-varying). 동시에 예상 외 반응성 영역과 주생성물 전환점 발견
숨겨진 중간체·생성물 노출: 반응 기질 비율을 체계적으로 변화시킴으로써 반응 네트워크 재구성. 1세기 이상 연구된 반응에서도 미알려진 중간체·생성물 발견

그림 2: (a,b) E1 및 SN1 반응 메커니즘. (c,d) 3차원 초공간에서 온도 및 [HBr]₀에 따른 생성물 수율 분포 (마커 크기·색깔이 수율에 비례). (e,f) 기구론 모델 곡선과 실험값 비교.

로봇 플랫폼 설계: 수평 갠트리, 액체 취급 모듈, 54-바이알 플레이트, UV-Vis 분광계 통합. 각 점에서 ~8초 스펙트럼 획득 + ~50초 피펫팅·세척·건조
스펙트럼 언믹싱 프로토콜:
- 초공간 모든 조정 샘플 결합 → HPLC/NMR/MS로 생성물 동정
- 각 생성물의 농도별 UV-Vis 스펙트럼 측정
- 각 초공간 지점의 실험 스펙트럼 = Σ(참조 스펙트럼 × 농도) 형태로 맞춤
- 화학량론 부등식으로 물리적으로 불가능한 해 제거
이상 탐지 알고리즘:
- 실험값과 모델링 스펙트럼의 오차 추적
- 잔차의 자기상관을 Durbin-Watson 통계량으로 평가
- RMS 잔차 > 0.01 흡수도 또는 DW 통계 이상 시 → 예기치 않은 생성물 신호
적용 범위: 커플링, 축합, 환가산, 재배열(8개 주요 반응)에서 검증. R² = 0.96으로 수동 정제·분석 결과와 상관