Synthetische organische / anorganische Chemie
Einführung
Bei der Synthese einer Verbindung entstehen bei jedem Schritt eines Experiments, von der Planung und Durchführung bis zur Dokumentation und Produktcharakterisierung, Forschungsdaten. Dazu gehören synthetische Verfahren, Versuchsbedingungen und manuell oder digital erfasste analytische Daten. Die Auswertung dieser Daten ermöglicht den Nachweis des Konzepts, die Prozessoptimierung und das Upscaling.
Datentypen
Die Synthesechemie erzeugt vielfältige Daten, die über die Produktcharakterisierung hinausgehen. Ein typisches Experiment beginnt mit dem Entwurf und der Planung und wird dann im Labor fortgesetzt, wobei Beobachtungen, Bedingungen und Ergebnisse dokumentiert werden. Idealerweise wird ein elektronisches Laborjournal (ELN) verwendet, um diese Daten zu sammeln und zu strukturieren.
Nach der Synthese werden die Produkteigenschaften anhand manueller und digitaler Daten analysiert. Ergebnisse von Methoden ohne digitale Ausgabe (z. B. Schmelz-/Siedepunkt, optische Drehung, TLC Rf, Brechungsindex) können manuell in das ELN eingegeben werden, während digitale Gerätedaten (z. B. NMR, IR, MS) hochgeladen und dort analysiert werden können. Rohdateien sollten in proprietären Dateiformaten aufbewahrt und, wenn möglich, in interoperable offene Dateiformate konvertiert werden; wenn kein offener Standard existiert, wird der Export in .txt oder .csv empfohlen.
Insgesamt sollten Metadaten bei der Erhebung und Speicherung von Daten immer mit einbezogen werden, um ein langfristiges Verständnis der Forschungsdaten zu ermöglichen.
ELNs und andere Tools
Für eine effiziente Datenverwaltung sollten die Werkzeuge auf Projekt- oder Gruppenebene auf der Grundlage der Arbeitsabläufe ausgewählt werden. Da Arbeitsabläufe oft methodenspezifisch sind, sollten Nutzungsrichtlinien und Metadatenvorlagen in einem Datenmanagementplan (DMP) definiert und dokumentiert werden. NFDI4Chem bietet eine auf die Chemie zugeschnittene RDMO-Vorlage.
Die nachträgliche Anwendung der FAIR-Prinzipien auf analoge Arbeitsabläufe ist zeitaufwändig. ELNs helfen durch die Automatisierung wichtiger FAIR-bezogener Aufgaben, wie z. B. die Erfassung strukturierter Metadaten in menschen- und maschinenlesbaren Formaten, und in einigen Fällen die Erzeugung interoperabler offener Dateiformate. Da die Auswahl des ELN von entscheidender Bedeutung ist, sollten Sie unseren ELN-Leitfaden konsultieren:
Loading...Der ELN-Finder unterstützt die Auswahl von Werkzeugen in vielen ELNs. Da die Bedürfnisse von Gruppe zu Gruppe unterschiedlich sind, gibt es keine Einheitslösung für alle. Innerhalb von NFDI4Chem ist Chemotion ELN die Referenzinstanz (siehe Überblick über Chemotion), so dass FAIR-bezogene Entwicklungen dort zuerst implementiert werden.
Chemotion eignet sich besonders für die synthetische Chemie und wurde mit LabIMotion auf andere Disziplinen ausgeweitet.
Daten veröffentlichen
Die Veröffentlichung von Forschungsdaten ermöglicht die Wiederverwendung durch Forscher und Anwendungen des maschinellen Lernens. Damit die Daten maschinell lesbar sind, sollten sie in einer strukturierten, standardisierten Form veröffentlicht werden. Empfohlen werden frei zugängliche Datenrepositorien, vorzugsweise daten- oder disziplinspezifische Repositorien, wenn möglich.
Die Wahl des richtigen Repositories ist nach wie vor von entscheidender Bedeutung; weitere Hinweise finden Sie unter Auswahl des Repositories.
Möglicherweise stellt Ihre Einrichtung auch zusätzliche Veröffentlichungsrichtlinien und Ressourcen zur Verfügung. Es empfiehlt sich daher, Experten für die Verwaltung von Forschungsdaten vor Ort zu konsultieren.
Herausforderungen
Für einige Datentypen und Workflows ist die Einhaltung von FAIR einfach; für andere, Community-Standards oder geeignete offene Formate fehlen, insbesondere in Nischenanalysemethoden. FAIR ist eher ein Spektrum als ein absoluter Wert, so dass die Verbesserung jedes Arbeitsablaufs so weit wie derzeit möglich immer noch wertvoll ist.
Viele alte Geräte produzieren keine offenen Formate und einige haben überhaupt keine digitale Ausgabe. Dies erschwert RDM, aber Werkzeuge wie der ChemConverter von Chemotion können aus ansonsten inkompatiblen Analyseergebnissen offene Formate erzeugen.
Eine große Herausforderung für RDM in der Chemie ist die begrenzte Interoperabilität zwischen ELNs, die den Datentransfer zwischen ELNs erschwert und die interdisziplinäre Zusammenarbeit zwischen Gruppen, die unterschiedliche Systeme verwenden, erschwert. Es sind Bemühungen im Gange, dies zu verbessern, darunter das ELN-Konsortium, dem Chemotion angehört.