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

Resumen: 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.