KR102538952B1 - 용매 스크리닝 방법 - Google Patents

용매 스크리닝 방법 Download PDF

Info

Publication number
KR102538952B1
KR102538952B1 KR1020180079138A KR20180079138A KR102538952B1 KR 102538952 B1 KR102538952 B1 KR 102538952B1 KR 1020180079138 A KR1020180079138 A KR 1020180079138A KR 20180079138 A KR20180079138 A KR 20180079138A KR 102538952 B1 KR102538952 B1 KR 102538952B1
Authority
KR
South Korea
Prior art keywords
solvent
group
screening method
compound
subgroups
Prior art date
Application number
KR1020180079138A
Other languages
English (en)
Other versions
KR20200005772A (ko
Inventor
김승하
김종찬
김소리
김경훈
Original Assignee
주식회사 엘지화학
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 엘지화학 filed Critical 주식회사 엘지화학
Priority to KR1020180079138A priority Critical patent/KR102538952B1/ko
Publication of KR20200005772A publication Critical patent/KR20200005772A/ko
Application granted granted Critical
Publication of KR102538952B1 publication Critical patent/KR102538952B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
    • G16C20/40—Searching chemical structures or physicochemical data
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
    • G16C20/30—Prediction of properties of chemical compounds, compositions or mixtures

Landscapes

  • Chemical & Material Sciences (AREA)
  • Crystallography & Structural Chemistry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computing Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명은 용매 후보군에 대하여 가상으로 고속의 대량 스크리닝을 실시함으로써 용액이 필요한 공정에서 적합한 용매를 선정하거나, 대체 용매를 선정하기 위한 스크리닝을 용이하게 할 수 있다. 또한, 공정을 크게 단순화하여 실험에 소비되는 비용 및 시간 등을 절약할 수 있다.

Description

용매 스크리닝 방법{METHOD FOR SOLVENT SCREENING}
본 발명은 용매의 스크리닝 방법에 관한 것으로, 용매의 선정을 위하여 다수의 화합물에 대한 항목별 데이터베이스를 이용한 가상 용매 스크리닝 방법 및 시스템을 제공한다.
용액 공정을 이용하는 물질 제조 방법은 증착 등과 같은 다른 방법에 비하여 비교적 과정이 단순하고, 물성 조절이 용이할 뿐 아니라 제조 비용도 매우 낮아 가장 많이 사용되는 방법이다. 이 경우 용액 공정의 성능을 좌우하는 가장 중요한 요소 중 하나는 공정에 사용하는 용액을 제조하기 위하여 사용되는 용매이다.
그러나, 기존에 사용되었던 용매는 환경적 이슈나 공정상의 안전 문제, 수율 개선 등의 이유로 다른 용매로의 대체가 요구되기도 한다. 이러한 대체 용매에 요구되는 성질은 다수의 용질 각각에 대한 상용성과 기존에 사용된 용매와의 유사성이다. 유기 분자의 합성 및 정제를 용이하게 하기 위해서는 각 용질(반응물 및 생성물)에 대한 용매의 상용성이 중요하게 작용하며, 이러한 용질에 대한 상용성은 용매의 용해 능력을 유추할 수 있는 근거가 된다.
용매의 용해 능력은 용질에 대한 여러 용매의 교반 에너지(mixing energy)를 계산함으로써 유추할 수 있고, 기존 용매와의 유사성은 용매 각 분자의 시그마 포텐셜(sigma potential)의 비슷한 정도를 수치화하여 유사성(similarity)을 계산하여 비교할 수 있다. 예를 들어, 문헌(참조: A. Filly et al, LWT-Food Science and Technology, April 2015, Volume 61, Issue 1, pp. 33-40)에는 양자 화학 계산 결과를 근거로 한 통계적 열역학적 접근법을 사용하는 COSMO-RS(Conductor like Screening Model for Real Solvents)를 활용하여 식품 향료 추출을 위한 n-헥산의 대체 용매를 선별하는 방법이 기재되어 있다.
많은 용매들 중에서 기존의 용매와 특성이 유사한 대체 용매를 찾는 과정은 실험적으로 오랜 시간과 많은 노력, 그리고 자원이 필요한 작업이다. 이에 따라, 용매 종류에 따른 고유 물성을 수집하여 빅데이터(big data)화하는 과정이 필요하고, 이를 바탕으로 하여 데이터베이스(database)를 구축할 필요가 있다. 또한, 이를 이용하여 많은 후보 용매들 중에서 쉽고 빠르게 기존의 용매와 유사한 성질을 갖는 대체 용매를 찾는 방법이 필요하다.
본 발명은 용매의 선정을 위하여 다수의 화합물에 대한 항목별 데이터베이스를 이용한 가상 용매 스크리닝 방법 및 시스템을 제공한다.
상기 과제를 해결하기 위하여, 본 발명은
끓는점과 녹는점을 기준으로 상온에서 액체인 화합물을 대상으로 선정하고 수집하는 단계;
수집한 대상 화합물에 대하여 양자 화학적 계산을 통하여 형태이성질체, 용해도 특성 및 쌍극자 모멘트 특성을 결정하는 단계;
상기 대상 화합물의 분자구조로부터 분자 크기 및 수소결합 공여체 수를 파악하는 단계 및
상기 대상 화합물에 대하여 이름, 건조 특성, 화학적 특성, 구조적 특성, 수소결합 특성, 용해도 특성, 안전성, 유해성 및 가격 영역으로 구분하여 정보를 수집하는 단계를 포함하는 데이터 베이스(database) 구축 단계와
상기 데이터 베이스를 기반으로 수학식 1에 따라, 상기 대상 화합물을 구성하는 선택 용매(i)와 후보 용매(j)의 한센 용해도 인자(Hansen solubility parameter, HSP) 및 시그마 포텐셜(sigma potential)을 반영한 유사정도(degree of similarity, DOS) 값을 계산하는 단계를 포함하는 것인, 용매 스크리닝 방법을 제공한다.:
[수학식 1]
Figure 112018067020031-pat00001
수학식 1에서,
a는 한센 용해도인자의 가중치, b는 한센 용해도 표준화 인자이고, c는 시그마 포텐셜의 가중치이고,
a+c=1, a>0 및 c>0이며, b는 0과 1사이의 값이고,
i는 기존 용매의 종류를, j는 후보 용매의 종류를 의미하고,
δD, δp 및 δh가 한센 용해도 인자를 기초로 하며, 각각 δd는 분자 간의 분산력을 의미하고, δp는 분자 간의 쌍극자로 인한 극성력을 의미하고, δh는 분자 간 수소 결합력을 의미하고,
μi(σm) 및 μj(σm)가 COSMO-RS를 기초로 하며, 각각 μi(σm)는 기존 용매 i의 시그마 포텐셜을 의미하고, μj(σm)는 후보 용매 j의 시그마 포텐셜을 의미한다.
삭제
삭제
삭제
삭제
일구현예에 따르면, 화합물의 이름, CAS ID, 비점, 녹는점, 작용기 종류, 가격, 인화점, NCiS 유해성, 분자량 및 분자식으로 이루어지는 군으로부터 선택되는 하나 이상을 입력하여 검색하는 단계를 포함할 수 있다.
일구현예에 따르면, 검색된 화합물의 구조, 화학식, 유사정도(DOS) 값, CAS ID, 분자량, 작용기, 끓는점, 녹는점, 인화점, 유해도 및 가격으로 이루어지는 군으로부터 선택되는 하나 이상의 정보를 출력하는 단계를 포함할 수 있다.
일구현예에 따르면, 한센 용해도 인자를 이용하여 검색된 화합물과 글리콜, 물, 아세트산, 클로로포름, 디메틸포름아마이드, 벤젠 및 아세톤에 대하여 3원 데이터 플롯의 형태로 나타내는 단계를 포함할 수 있다.
일구현예에 따르면, 상기 화합물의 이름은 CAS ID, 케이스 인덱스, 화합물명 및 SMILES(Simplified Molecular Input Line Entry System)로 이루어지는 군으로부터 선택되는 하나 이상의 하위 그룹을 포함할 수 있다.
일구현예에 따르면, 상기 건조 특성은 녹는점, 점도, 증기압 및 비점으로 이루어지는 군으로부터 선택되는 하나 이상의 하위 그룹을 포함할 수 있다.
일구현예에 따르면, 상기 화학적 특성은 작용기 종류, 표면장력, TPSA 및 밀도로 이루어지는 군으로부터 선택되는 하나 이상의 하위 그룹을 포함할 수 있다.
일구현예에 따르면, 상기 구조적 특성은 분자량, 분자식, McGowan, 비구면계수, 직경, 회전반경(radius of gyration) 및 구조 특이성(eccentric)으로 이루어지는 군으로부터 선택되는 하나 이상의 하위 그룹을 포함할 수 있다.
일구현예에 따르면, 상기 수소결합 특성은 HAcc, HAccN, HAccO, HDon, HDonNN 및 HDonO로 이루어지는 군으로부터 선택되는 하나 이상의 하위 그룹을 포함할 수 있다.
일구현예에 따르면, 상기 용해도 특성은 한센 용해도, 굴절률, 쌍극자 모멘트, LogP, 기화열 및 시그마 포텐셜로 이루어지는 군으로부터 선택되는 하나 이상의 하위 그룹을 포함할 수 있다.
일구현예에 따르면, 상기 안전성 영역은 인화점 및 NFPA 규격으로 이루어지는 군으로부터 선택되는 하나 이상의 하위 그룹을 포함할 수 있다.
일구현예에 따르면, 상기 유해성 영역은 물질관리 등록여부, NCiS 유해성 및 TOPKAT 프로그램으로 이루어지는 군으로부터 선택되는 하나 이상의 하위 그룹을 포함할 수 있다.
일구현예에 따르면, 상기 가격 영역은 몰베이스(Molbase) 및 시그마 알드리치(sigma aldrich)로 이루어지는 군으로부터 선택되는 하나 이상의 하위 그룹을 포함할 수 있다.
일구현예에 따르면, 상기 유사정도(DOS) 값이 1에 가까운 순으로 후보 용매(j)를 출력하는 단계를 포함할 수 있다.
본 발명의 다른 구현예에 따르면, 상기와 같은 방법에 따른 소프트웨어를 제공한다.
또 다른 구현예에 따르면, 상기와 같은 소프트웨어를 포함하는 시스템을 제공한다.
또한, 다른 구현예에 따르면, 상기와 같은 시스템을 포함하는 장치를 제공한다.
본 발명의 기타 구현예들의 구체적인 사항은 이하의 상세한 설명에 포함되어 있다.
본 발명의 방법에 따르면, 용액이 필요한 공정에서 적합한 용매를 선정하거나, 대체 용매를 선정하기 위한 스크리닝을 용이하게 할 수 있다. 용매 후보군에 대하여 가상으로 고속의 대량 스크리닝을 진행하므로 경제적이며, 실험에 소비되는 시간을 절약할 수 있다.
도 1은 용매 스크리닝 시스템의 개략도이다.
도 2는 용매 데이터베이스의 구성 요소를 나타내는 개략도이다.
도 3 및 4는 용매 검색 화면을 나타낸 것이다.
도 5는 용매 검색 결과 화면을 나타낸 것이다.
이하에서는, 본 발명을 보다 구체적으로 설명하기로 한다.
본 발명은 다양한 변환을 가할 수 있고 여러 가지 실시양태를 가질 수 있는 바, 특정 실시양태를 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태로 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변환식, 균등식 내지 대체식을 포함하는 것으로 이해되어야 한다. 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
이하, 본 발명의 구현예에 따른 용매 스크리닝 방법에 대하여 보다 상세하게 설명한다.
광범위한 화합물 중에서 적합한 용매를 선정하는 것은 경제적, 시간적으로 한계가 있다. 그러므로, 화합물의 고유물성으로부터 각각의 분석 모듈을 구축하여 이를 바탕으로 부분최소자승법(PLS), 회귀분석(regression), 클러스터링(clustering) 등의 기계학습을 적용하여 용매의 스크리닝을 단순화할 수 있다.
상기와 같은 과제를 해결하기 위하여 본 발명은, 다수의 화합물에 대한 데이터베이스를 항목 별로 구분 및 정리하여 가상으로 고속의 대량 스크리닝(virtual high throughput screening, vHTS)을 할 수 있는 방법 및 시스템을 구축하는 방법을 제공한다.
구체적으로, 끓는점과 녹는점을 기준으로 상온에서 액체인 화합물을 대상으로 선정하고 수집하는 단계;
수집한 대상 화합물에 대하여 양자 화학적 계산을 통하여 형태이성질체, 용해도 특성 및 쌍극자 모멘트 특성을 결정하는 단계;
상기 대상 화합물의 분자구조로부터 분자 크기 및 수소결합 공여체 수를 파악하는 단계 및
상기 대상 화합물에 대하여 이름, 건조 특성, 화학적 특성, 구조적 특성, 수소결합 특성, 용해도 특성, 안전성, 유해성 및 가격 영역으로 구분하여 정보를 수집하는 단계를 포함하는 데이터 베이스(database) 구축 단계와
상기 데이터 베이스를 기반으로 수학식 1에 따라, 상기 대상 화합물을 구성하는 선택 용매(i)와 후보 용매(j)의 한센 용해도 인자(Hansen solubility parameter, HSP) 및 시그마 포텐셜(sigma potential)을 반영한 유사정도(degree of similarity, DOS) 값을 계산하는 단계를 포함하는 것인, 용매 스크리닝 방법을 제공한다.
[수학식 1]
Figure 112018067020031-pat00002
수학식 1에서,
a는 한센 용해도인자의 가중치, b는 한센 용해도 표준화 인자, c는 시그마 포텐셜의 가중치이고,
a+c=1, a>0 및 c>0이며, b는 0과 1사이의 값이고,
i는 기존 용매의 종류를, j는 후보 용매의 종류를 의미하고,
δD, δp 및 δh가 한센 용해도 인자를 기초로 하며, 각각 δd는 분자 간의 분산력을 의미하고, δp는 분자 간의 쌍극자로 인한 극성력을 의미하고, δh는 분자 간 수소 결합력을 의미하고,
μi(σm) 및 μj(σm)가 COSMO-RS를 기초로 하며, 각각 μi(σm)는 기존 용매 i의 시그마 포텐셜을 의미하고, μj(σm)는 후보 용매 j의 시그마 포텐셜을 의미한다.
삭제
삭제
삭제
삭제
삭제
수학식 1에 따르면, 대상 화합물에 대한 한센 용해도 인자(Hansen solubility parameter, HSP) 및 시그마 포텐셜을 동시에 고려하여 후보 용매와 기존 용매와의 유사 정도(degree of similarity, DOS)를 계산할 수 있다.
일구현예에 따르면, 상기 가중치 a 및 c의 값은 a+c=1, a>0 및 c>0의 조건에서 변경하여 적용할 수 있으며, b의 값은 0.25로 정할 수 있다. 구체적으로, 한센 용해도 인자와 같은 실험값보다는 용매 구조에 따른 극성 분포로 인한 용해도 경향을 분석해야 하는 상황에서는 상기와 같은 조건 내에서 가중치 a의 값을 작게, c의 값을 크게 설정할 수 있으며, 반대로 실험값 영향을 더 고려해야 하는 상황에서는 상기와 같은 조건 내에서 가중치 a의 값을 크게, c의 값을 작게 설정할 수 있다. 또한, b의 값은 한센 용해도 인자로 인한 유사 정도 수치를 0에서 1사이 범위로 나타내므로 예를 들어, 0.25로 고정하여 설정할 수 있다.
일구현예에 따르면, 화합물의 이름, CAS ID, 비점, 녹는점, 작용기 종류, 가격, 인화점, NCiS 유해성, 분자량 및 분자식으로 이루어지는 군으로부터 선택되는 하나 이상을 입력하여 목적으로 하는 용매를 검색할 수 있다.
용매 스크리닝 시스템의 전체적인 구성도를 도 1에 예시로 나타내었다. 또한, 용매 스크리닝을 위한 세부 항목의 데이터베이스(database) 수집에 대한 개략도를 예를 들면, 도 2에 나타난 바와 같다.
도면을 참고하면, 목적으로 하는 물질의 최소 정보를 서버에 입력하고, 예를 들어 건조 특성, 화학 특성 등을 포함하는 다수의 영역으로 구분되고, 예를 들어 약 79개의 세부 하위 항목으로 정리되는 화합물 고유 물성 데이터 베이스로부터 적절한 물질을 선정하여 출력하는 방식으로 구성될 수 있다. 용매 화합물의 데이터 베이스는 실험 데이터, 이론적 특성, 가격, 안정성 및 유해성 등으로 구분하여 정보를 수집할 수 있다. 실험 데이터는 예를 들어, 끓는점, 녹는점, 점도, 증기압 등을 포함할 수 있다. 이론적 특성은 예를 들어 용해도, 쌍극자 모멘트(dipole moment), 분자구조 물성 등을 포함할 수 있다. 안정성 및 유해성은 예를 들어 NFPA 규격, 물질관리 등록 여부 등을 포함할 수 있다. 이와 같이 수집된 데이터를 가공하여 대체 용매를 탐색하고, 한센 용해도 및 시그마 포텐셜을 고려하여 유사 정도를 계산하고, 이에 따른 용매 화합물을 출력할 수 있다.
또한, 검색된 화합물에 대하여 구조, 화학식, 유사정도(DOS) 값, HSP 점수(distij), CAS ID, 분자량, 작용기, 끓는점, 녹는점, 인화점, 유해도 및 가격으로 이루어지는 군으로부터 선택되는 하나 이상의 정보를 출력하여 나타낼 수 있다.
일구현예에 따르면, 검색된 화합물과 대표적인 화합물 몇 가지 종류에 대하여 한센 용해도 인자(Hansen solubility parameter, HSP)를 이용하여 3원 데이터 플롯(ternary plot)의 형태로 나타낼 수 있다. 또한, 상기 대표적인 화합물로는 글리콜, 물, 아세트산, 클로로포름, 디메틸포름아마이드, 벤젠 및 아세톤을 포함할 수 있다.
일구현예에 따르면, 상기 화합물의 이름은 CAS ID, 케이스 인덱스, 화합물명 및 SMILES(Simplified Molecular Input Line Entry System)로 이루어지는 군으로부터 선택되는 하나 이상의 하위 그룹을 포함할 수 있다.
또한, 상기 건조 특성은 녹는점, 점도, 증기압 및 비점으로 이루어지는 군으로부터 하나 이상의 하위 그룹을 포함할 수 있다.
또한, 상기 화학적 특성은 작용기 종류, 표면장력, 위상 극성 표면적(topological polar surface area, TPSA) 및 밀도로 이루어지는 군으로부터 선택되는 하나 이상의 하위 그룹을 포함할 수 있다.
또한, 상기 구조적 특성은 분자량, 분자식, 맥고완 분자 부피(McGowan molecular volume, McGowan), 비구면계수, 직경, 회전반경(radius of gyration, Rgyr) 및 구조 특이성(eccentric)으로 이루어지는 군으로부터 하나 이상의 하위 그룹을 포함할 수 있다.
또한, 상기 수소결합 특성은 수소결합 수용체 수(number of H-bond acceptors, HAcc), 질소 원자 기반 수소 결합 수용체 수(nitrogen atom-based H-bond acceptors, HAccN), 산소 원자 기반 수소 결합 수용체 수(number of oxygen atom-based H-bond acceptors, HAccO), 수소 결합 공여체 수(number of H-bond donors, HDon), 질소 원자 기반 수소 결합 공여체 수(number of nitrogen atom-based H-bond donors, HDonNN) 및 산소 원자 기반 수소 결합 공여체 수(number of oxygen atom-based H-bond donors, HDonO)로 이루어지는 군으로부터 하나 이상의 하위 그룹을 포함할 수 있다.
또한, 상기 용해도 특성은 한센 용해도, 굴절률, 쌍극자 모멘트, LogP, 기화열 및 시그마 포텐셜로 이루어지는 군으로부터 하나 이상의 하위 그룹을 포함할 수 있다.
또한, 상기 안전성 영역은 인화점 및 NFPA 규격으로 이루어지는 군으로부터 선택되는 하나 이상의 하위 그룹을 포함할 수 있다.
또한, 상기 유해성 영역은 물질관리 등록여부, NCiS 유해성 및 컴퓨터 보조 기술에 의한 독성 예측 프로그램(Toxicity prediction by computer assisted technology, TOPKAT)으로 이루어지는 군으로부터 선택되는 하나 이상의 하위 그룹을 포함할 수 있다.
또한, 상기 가격 영역은 몰베이스(Molbase) 및 시그마 알드리치(sigma aldrich)로 이루어지는 군으로부터 선택되는 하나 이상의 하위 그룹을 포함할 수 있다.
일구현예에 따르면, 상기 유사정도(degree of similarity, DOS) 값은 0 내지 1이며, 1에 가까울수록 유사성이 높은 것을 의미하므로, 선택된 기존 용매(i)에 대한 후보 용매의 유사정도(DOS) 값은 1에 가까운 순으로 출력될 수 있다.
본 발명의 다른 구현예에 따르면, 상기와 같은 방법에 따른 소프트웨어를 제공할 수 있다. 또한, 이를 이용하는 시스템을 도입하여 장치 등에 적용할 수 있으며, 용매 선정에 소비되는 비용 및 시간을 절약하고, 공정을 단순화할 수 있다.
이하, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예에 대하여 상세히 설명한다. 그러나, 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다.
실시예 1
용매를 검색하기 위하여 예를 들면, 도 3 및 4와 같은 검색 예시 화면에서 클로로벤젠(chlorobenzene)을 입력하였다.
수학식 1에서 a=0.5, b=0.25 및 c=0.5로 설정하여 계산 적용하였다.
각각의 화합물에 대한 유사정도(DOS) 값이 자동 계산 적용되며, 그 값이 1에 가까운 순으로 해당 화합물에 대한 정보와 함께 정렬되어 출력되었다. 결과 화면은 도 5에 나타내었다.
상기한 바와 같이, 간단한 입력으로부터 다수의 화합물에 대한 세부항목 별로 예측 모듈을 적용하여 고유 물성 정보에 따른 유사도 순의 결과를 출력할 수 있으며, 실험으로 인한 비용 및 시간 등을 크게 절약할 수 있다.
이상으로 본 발명 내용의 특정한 부분을 상세히 기술한 바, 당업계의 통상의 지식을 가진 자에게 있어서, 이러한 구체적 기술은 단지 바람직한 실시 양태일 뿐이며, 이에 의해 본 발명의 범위가 제한되는 것이 아닌 점은 명백할 것이다. 따라서 본 발명의 실질적인 범위는 첨부된 청구항들과 그것들의 등가물에 의하여 정의된다고 할 것이다.

Claims (17)

  1. 끓는점과 녹는점을 기준으로 상온에서 액체인 화합물을 대상으로 선정하고 수집하는 단계;
    수집한 대상 화합물에 대하여 양자 화학적 계산을 통하여 형태이성질체, 용해도 특성 및 쌍극자 모멘트 특성을 결정하는 단계;
    상기 대상 화합물의 분자구조로부터 분자 크기 및 수소결합 공여체 수를 파악하는 단계 및
    상기 대상 화합물에 대하여 이름, 건조 특성, 화학적 특성, 구조적 특성, 수소결합 특성, 용해도 특성, 안전성, 유해성 및 가격 영역으로 구분하여 정보를 수집하는 단계를 포함하는 데이터 베이스(database) 구축 단계와
    상기 데이터 베이스를 기반으로 수학식 1에 따라, 상기 대상 화합물을 구성하는 선택 용매(i)와 후보 용매(j)의 한센 용해도 인자(Hansen solubility parameter, HSP) 및 시그마 포텐셜(sigma potential)을 반영한 유사정도(degree of similarity, DOS) 값을 계산하는 단계를 포함하는 것인, 용매 스크리닝 방법:
    [수학식 1]
    Figure 112023031128633-pat00003

    수학식 1에서,
    a는 한센 용해도인자의 가중치, b는 한센 용해도 표준화 인자, c는 시그마 포텐셜의 가중치이고,
    a+c=1, a>0 및 c>0이며, b는 0과 1사이의 값이고,
    i는 기존 용매의 종류를, j는 후보 용매의 종류를 의미하고,
    δD, δp 및 δh가 한센 용해도 인자를 기초로 하며, 각각 δd는 분자 간의 분산력을 의미하고, δp는 분자간의 쌍극자로 인한 극성력을 의미하고, δh는 분자 간 수소 결합력을 의미하고,
    μi(σm) 및 μj(σm)가 COSMO-RS를 기초로 하며, 각각 μi(σm)는 기존 용매 i의 시그마 포텐셜을 의미하고, μj(σm)는 후보 용매 j의 시그마 포텐셜을 의미한다.
  2. 제1항에 있어서,
    화합물의 이름, CAS ID, 비점, 녹는점, 작용기 종류, 가격, 인화점, NCiS 유해성, 분자량 및 분자식으로 이루어지는 군으로부터 선택되는 하나 이상을 입력하여 검색하는 단계를 포함하는 것인, 용매 스크리닝 방법.
  3. 제2항에 있어서,
    검색된 화합물의 구조, 화학식, 유사정도(DOS) 값, HSP 점수(distij), CAS ID, 분자량, 작용기, 끓는점, 녹는점, 인화점, 유해도 및 가격으로 이루어지는 군으로부터 선택되는 하나 이상의 정보를 출력하는 단계를 포함하는 것인, 용매 스크리닝 방법.
  4. 제2항에 있어서,
    한센 용해도 인자를 이용하여 검색된 화합물과 글리콜, 물, 아세트산, 클로로포름, 디메틸포름아마이드, 벤젠 및 아세톤에 대하여 3원 데이터 플롯의 형태로 나타내는 단계를 포함하는 용매 스크리닝 방법.
  5. 제1항에 있어서,
    상기 화합물의 이름이 CAS ID, 케이스 인덱스, 화합물명 및 SMILES(Simplified Molecular Input Line Entry System)로 이루어지는 군으로부터 선택되는 하나 이상의 하위 그룹을 포함하는 것인, 용매 스크리닝 방법.
  6. 제1항에 있어서,
    상기 건조 특성이 녹는점, 점도, 증기압 및 비점으로 이루어지는 군으로부터 선택되는 하나 이상의 하위 그룹을 포함하는 것인, 용매 스크리닝 방법.
  7. 제1항에 있어서,
    상기 화학적 특성이 작용기 종류, 표면장력, TPSA 및 밀도로 이루어지는 군으로부터 선택되는 하나 이상의 하위 그룹을 포함하는 것인, 용매 스크리닝 방법.
  8. 제1항에 있어서,
    상기 구조적 특성이 분자량, 분자식, McGowan, 비구면계수, 직경, 회전반경(radius of gyration) 및 구조 특이성(eccentric)으로 이루어지는 군으로부터 선택되는 하나 이상의 하위 그룹을 포함하는 것인, 용매 스크리닝 방법.
  9. 제1항에 있어서,
    상기 수소결합 특성이 HAcc, HAccN, HAccO, HDon, HDonNN 및 HDonO로 이루어지는 군으로부터 선택되는 하나 이상의 하위 그룹을 포함하는 것인, 용매 스크리닝 방법.
  10. 제1항에 있어서,
    상기 용해도 특성이 한센 용해도, 굴절률, 쌍극자 모멘트, LogP, 기화열 및 시그마 포텐셜로 이루어지는 군으로부터 선택되는 하나 이상의 하위 그룹을 포함하는 것인, 용매 스크리닝 방법.
  11. 제1항에 있어서,
    상기 안전성 영역이 인화점 및 NFPA 규격으로 이루어지는 군으로부터 선택되는 하나 이상의 군으로부터 하나 이상의 하위 그룹을 포함하는 것인, 용매 스크리닝 방법.
  12. 제1항에 있어서,
    상기 유해성 영역이 물질관리 등록여부, NCiS 유해성 및 TOPKAT 프로그램으로 이루어지는 군으로부터 선택되는 하나 이상의 하위 그룹을 포함하는 것인, 용매 스크리닝 방법.
  13. 제1항에 있어서,
    상기 가격 영역이 몰베이스(Molbase) 및 시그마 알드리치(sigma aldrich)로 이루어지는 군으로부터 선택되는 하나 이상의 하위 그룹을 포함하는 것인, 용매 스크리닝 방법.
  14. 제1항에 있어서,
    상기 유사정도(DOS) 값이 1에 가까운 순으로 후보 용매(j)를 출력하는 단계를 포함하는 것인, 용매 스크리닝 방법.
  15. 삭제
  16. 제1항에 따른 소프트웨어를 포함하는 시스템.
  17. 제16항에 따른 시스템을 포함하는 장치.
KR1020180079138A 2018-07-09 2018-07-09 용매 스크리닝 방법 KR102538952B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180079138A KR102538952B1 (ko) 2018-07-09 2018-07-09 용매 스크리닝 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180079138A KR102538952B1 (ko) 2018-07-09 2018-07-09 용매 스크리닝 방법

Publications (2)

Publication Number Publication Date
KR20200005772A KR20200005772A (ko) 2020-01-17
KR102538952B1 true KR102538952B1 (ko) 2023-05-31

Family

ID=69369960

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180079138A KR102538952B1 (ko) 2018-07-09 2018-07-09 용매 스크리닝 방법

Country Status (1)

Country Link
KR (1) KR102538952B1 (ko)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005502861A (ja) 2001-08-10 2005-01-27 サイミックス テクノロジーズ， インコーポレイテッド 事前処方物を作製および試験するための装置および方法ならびにそのためのシステム
US20140147996A1 (en) 2010-11-29 2014-05-29 Arizon Board of Regents Acting for and on Behalf Arizona State University Methods for fabricating bulk heterojunctions using solution processing techniques

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101864474B1 (ko) * 2015-09-25 2018-06-04 주식회사 엘지화학 대상 용매의 반응성 예측 방법

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005502861A (ja) 2001-08-10 2005-01-27 サイミックス テクノロジーズ， インコーポレイテッド 事前処方物を作製および試験するための装置および方法ならびにそのためのシステム
US20140147996A1 (en) 2010-11-29 2014-05-29 Arizon Board of Regents Acting for and on Behalf Arizona State University Methods for fabricating bulk heterojunctions using solution processing techniques

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
CHEMICAL ENGINEERING SCIENCE VOL 115. 1 AUG 2014. 177-185
INTERNATIONAL JOURNAL OF CURRENT RESEARCH VOL. 9. ISSUE 03. PP.47860-47867. MARCH 2017.

Also Published As

Publication number Publication date
KR20200005772A (ko) 2020-01-17

Similar Documents

Publication Publication Date Title
Peter et al. Encyclopedia of bioinformatics and computational biology
Zang et al. In silico prediction of physicochemical properties of environmental chemicals using molecular fingerprints and machine learning
Bannan et al. Calculating partition coefficients of small molecules in octanol/water and cyclohexane/water
Dixon et al. AutoQSAR: an automated machine learning tool for best-practice quantitative structure–activity relationship modeling
da Silva et al. Illuminating the dark matter in metabolomics
Salim et al. Combination of fingerprint-based similarity coefficients using data fusion
US20140297476A1 (en) Ranking product search results
US20120078853A1 (en) Systems, methods, and apparatus for facilitating chemical analyses
Chevillard et al. In silico prediction of aqueous solubility: a multimodel protocol based on chemical similarity
Clark Generalized fragment-substructure based property prediction method
CN104897817A (zh) 色谱仪以及重复使用色谱柱的方法
Helgee et al. Evaluation of quantitative structure− activity relationship modeling strategies: local and global models
Jiménez-Luna et al. Benchmarking molecular feature attribution methods with activity cliffs
Vainio et al. Automated recycling of chemistry for virtual screening and library design
Wawer et al. Automated structure–activity relationship mining: connecting chemical structure to biological profiles
Omta et al. HC StratoMineR: a web-based tool for the rapid analysis of high-content datasets
KR102538952B1 (ko) 용매 스크리닝 방법
US20140278132A1 (en) Using RNAi Imaging Data For Gene Interaction Network Construction
Tan et al. Prediction of infinite‐dilution activity coefficients with neural collaborative filtering
Vogt et al. Extracting compound profiling matrices from screening data
Soyemi et al. Calculated physicochemical properties of glycerol-derived solvents to drive plastic waste recycling
Pikalyova et al. Chemical library space: definition and DNA-encoded library comparison study case
Qiu et al. Solubility behaviors and correlations of common organic solvents
Raevsky et al. Calculation of aqueous solubility of crystalline un-ionized organic chemicals and drugs based on structural similarity and physicochemical descriptors
KR102538956B1 (ko) 용매 스크리닝 방법

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant