ИСТИНА

Проект направлен на изучение общих закономерностей молекулярного строения и упаковки и поиск корреляций структура-свойства.

In recent years, there has been a real revolution in data processing and analysis. Data science has gone far beyond the problems of statistics and computational mathematics and used in most applied fields. Unfortunately, modern methods of unsupervised machine learning-clustering, dimensionality reduction, and data visualization-have not yet found such wide application in the chemical sciences and crystallography. The study of similarities and differences those method provide us with allows us to analyze the conformational preference of molecules and the types of atomic clusters, intermolecular associations (features of supramolecular organization and packing patterns), and structures as a whole. Such studies will not only add to our knowledge of the structure of molecules and atomic clusters in the condensed state, but also allow us to study the possibilities of replacing functional groups while preserving packaging. Knowing the lists of interchangeable groups and the corresponding probabilities of preserving the structural motif can allow you to more efficiently create a series of structures that differ in the specified properties. The study of general patterns of molecular structure and packaging, as well as the creation and provision of tools for solving them, is an urgent task of modern structural chemistry and related disciplines — crystal engineering, polymorphism research. In many methods of unsupervised machine learning, there is a general scheme that includes : - calculating (all or some) generalized distances (a measure of the similarity of objects) between the studied objects using a suitable metric - analysis of the obtained distances without taking into account any other properties of objects. The tasks under consideration will include: 1) visualization of sets of any molecular and supramolecular fragments using root mean square difference deviations (RMSD) and nonlinear methods of dimensionality reduction — t-distributed stochastic neighbor embedding (t-SNE). 2) comparison of the unit cells of experimental structures when using the translation vectors RMSD as the distance. 3) comparison of experimental structures as a whole, with discrepancies between simulated diffractograms and other structure fingerprints as a distances. The scientific novelty of the work lies in the proposed methodology. As the analysis of the literature shows, such a combination of methods has not previously been used to solve the designated scientific problem-the study of general patterns of molecular structure and packaging and the search for structure-property correlations. In the literature, there are only a few successful examples of cluster analysis based on the calculation and analysis of distance matrices for conformers. There are no such examples for supramolecular associates, coordination polyhedra, and crystal structures as a whole.

Для выполнение *задачи 1* будут выполнены следующие подзадачи: 1) будет продемонстрировано превосходство локальных методов понижения размерности над PCA для визуализации матриц RMSD на хорошо изученных примерах: конформерах гексана в кристаллосольватах, димерах карбоновых кислот, полиэдрах переходных металлов с КЧ=5. 2) для полиэдров лантанидов в КБСД с КЧ 8, 9, 10 и 11 будут подобраны наиболее подходящие с точки зрения скорости вычисления, точности и надёжности алгоритмы вычисления RMSD. Полученные матрицы расстояний будут визуализированы с помощью t-SNE и UMAP. Будут выделены типичные координационные окружения и проанализировано влияние металла на их относительную распространённость. 3) с использованием разработанных нами ранее библиотек функций на языках R и Scala будет создано ПО с графическим интерфейсом, позволяющее вычислять и визуализировать матрицу RMSD (супра)молекулярных фрагментов и не требующее навыков программирования для использования. Для решения *задачи 2* мы найдём структуры со схожими элементарными ячейками и проанализируем различия между ними. А именно: С помощью методов OPTICS/DBSCAN в КБСД будут найдены пары (группы) структур с близкими элементарными ячейками. Будут проанализированы причины совпадения ячеек: - случайность (нет очевидной связи между структурами) - "изоструктруные" вещества с заменой функциональной группы - ошибка базы данных (одно и то же вещество занесено в базу несколько раз и не помечено как повтор) - возможная ошибка определения структуры (замена функциональных групп на близкие по числу электронов, но различающиеся по типичным межмолекулярным контактам) В случае "изоструктурных" пар, будут дополнительно проанализированы другие случаи замен соответствующих функциональных групп, будут сделаны выводы о том, насколько часто замена приводит к сохранению упаковки. В случае подозрения на ошибку определения структуры будут проведены необходимые для верификации расчёты в рамках теории функционала плотности с периодическими граничными условиями. Описания ошибок базы данных будут отправлены в Кембриджский центр кристаллографических данных для исправления. Для решения задачи 3 - будут рассчитаны теоретические порошковые дифрактограммы для пар "изоструктурных" соединений, найденных при выполнении *задачи 2* и будет оценено типичное для этой метрики расстояние между связанными структурами. - с помощью OPTICS/DBSCAN в КБСД будут найдены пары (группы) структур с расстоянием равным оценному ранее или меньшим. - группы будут проанализированы аналогичным с описанным в *задаче 2* образом ** План по годам *** Первый год проекта В первый год выполнения проекта в рамках работы над *задачей 1* будут выполнены подзадачи 1 и 2. В рамках работы над *задачей 2* будут исследования ячейки структур, кристаллизующихся в самых распространённых пространственных группах: \(P2_1/c\), \(C2/c\), \(P-1\) и найденные пары (группы) структур со сходными ячейками будут проанализированы согласно плану. *** Второй год проекта Во второй год выполнения проекта в рамках работы над *задачей 1* будет выполнена подзадача 3. В рамках работы над *задачей 2* будут исследования ячейки структур, кристаллизующиеся в оставшихся группах. ПОлученные данные будут использованы для выполнения *задачи 3*.

Ранее научным коллективом были разработаны библиотеки функций на языках Scala и R, реализующие расчет RMSD лучшего наложения и базовый кластерный анализ, оптимизированных для пакетной обработки в многопоточной среде[fn:scala][fn:rr]. Ранее руководителем проекта была опубликована статья, в которой геометрическая кластеризация контактов нитрогрупп с помощью RMSD лучшего наложения и t-SNE дополнялась топологическим анализом взаимодействий между ними[fn::Rus. Chem. Bul., 2019, 68, 1, 1--8]. На всероссийской конференции с международным участием ’VII Рос- сийский день редких земель’ были доложены предварительные резуль- таты, касающиеся применения метода визуализации матрицы расстоя- ний к координационным полиэдрам лантанидов с КЧ = 8.