面向可持续手性拆分的AI驱动自动化研究

【项目介绍】

手性分子是现代药物的核心，许多药物化合物需要制备单一对映体以实现最佳的治疗活性和安全性。然而，拆分外消旋混合物的高效且可持续方法仍然是药物制造中的重大挑战。传统的手性拆分策略可能涉及大量的实验、大量的溶剂使用以及结晶条件筛选效率低下的问题。

本博士项目将开发一个AI驱动的实验平台，以加速手性拆分策略的发现和优化。学生将结合高通量实验方法与机器学习引导的优化，探索结晶条件、拆分剂和工艺参数。该项目与AstraZeneca合作，旨在开发可扩展且可持续的手性拆分方法，在提高药物开发效率和重现性的同时减少实验负担。

导师：Prof Duncan Browne

【主要方法和技术】

• 基于结晶的手性拆分方法 • 高通量实验筛选平台 • 粉末X射线衍射和固态表征技术 • 溶解度和结晶研究 • 用于实验设计的机器学习和贝叶斯优化 • 使用Python及相关工具进行数据分析和计算建模

【申请要求】

申请人应持有药学或化学学士学位（最低二等一级学位）。具有有机化学、结晶、固态化学或数据驱动实验方面的经验者优先，但非必需。

申请人还需满足UCL硕士/博士入学要求和英语语言要求。

【资助信息】

学生津贴按UCL标准费率支付（2025/26年度津贴费率为20,780英镑）。

【申请方式】

申请材料必须包括简历、个人陈述和两位推荐人的联系方式。申请材料应发送至Michelle Ward女士邮箱：sop.pgr@ucl.ac.uk。

欢迎就项目进行非正式咨询，可直接联系Prof. Duncan Browne（duncan.browne@ucl.ac.uk）。

申请截止日期为2026年4月24日，面试将于此后不久进行。