Synthesis and investigation of functional polymer materials

Funktionelle Materialien sind in einer Vielzahl von Materialklassen wie Polymeren, Biomaterialien, Gläsern, Metallen, Keramiken und Verbundwerkstoffen anzutreffen. Sie besitzen eine spezifische, intrinsische Funktion, welche auf dem zu Grunde liegenden Design der Verbindung beruht. In dieser Dissertation wurden zwei funktionelle Materialien studiert: ein durch Phosphonatadditive mechanisch verstärktes Epoxidharz und protonenleitende Blockcopolymere, welche Potential für den Einsatz in Brennstoffzellen besitzen. Die Materialien wurden vorranging mittels Festkörper Kernspinresonanzspektroskopie (NMR) untersucht, welche sich besonders für die Untersuchung der lokalen Struktur und Dynamik amorpher Polymere eignet.rnrnPhosphonate sind eine neue Klasse sogenannter molekularer Verstärker, die die mechanischen und thermischen Kennzahlen geeigneter Epoxidharze erhöhen. Es wurde eine Reihe von Phosphonatderivaten synthetisiert um systematische den Effekt der chemischen Struktur und des Aushärteprozesses auf die Eigenschaften eines Modellepoxidharzes zu untersuchen. Die Aufklärung des Verstärkungsmechanismus ergab, dass die Phosphonate währen der thermischen Aushärtung des Epoxidharzes die Aminofunktionalitäten des Härters alkylieren. Dies führt zu der Bildung von homogen verteilten, positiven Ladungen auf der Polymerkette, während negative Phosphonatanionen als Gegenionen wirken. Es konnte gezeigt werden, dass die Struktur des Additivs einen entscheidenden Einfluss auf die Eigenschaften des ausgehärteten Epoxidharzes sowie seine Alterung, d.h. den allmählichen Verlust der Verstärkung, hat.rnrnDes Weiteren wurde eine Serie von sulfonierten Blockcopolymeren synthetisiert. Es handelte sich hierbei um Multiblockcopolyimide, wobei die Polymerketten aus einer alternierenden Sequenz von sulfonierten (hydrophilen) und unsulfonierten (hydrophoben) Blöcken bestanden. Diese Polymere bilden nach einem ‚solvent cast‘ Prozess feste, duktile und transparente Membrane. Sulfonierte Blockcopolymermembrane zeigten im Vergleich mit statistisch sulfonierten Vergleichssubstanzen eine erhöhte Leitfähigkeit, sowie eine erhöhte Wasseraufnahme. Dies wurde auf eine bessere Phasenseparation im Festkörper zurückgeführt. Die Morphologie der Filme war eindeutig anisotrop und stark abhängig von der Blocklänge der Polymere. Durch diverse Festkörper-NMR Methoden konnte gezeigt werden, dass die Protonenmobilität in den Membranen von der betrachteten Längenskala abhängig ist und nicht notwendigerweise mit der makroskopisch beobachteten Leitfähigkeit korreliert.

Visualization and validation of (Q)SAR models

Analyzing and modeling relationships between the structure of chemical compounds, their physico-chemical properties, and biological or toxic effects in chemical datasets is a challenging task for scientific researchers in the field of cheminformatics. Therefore, (Q)SAR model validation is essential to ensure future model predictivity on unseen compounds. Proper validation is also one of the requirements of regulatory authorities in order to approve its use in real-world scenarios as an alternative testing method. However, at the same time, the question of how to validate a (Q)SAR model is still under discussion. In this work, we empirically compare a k-fold cross-validation with external test set validation. The introduced workflow allows to apply the built and validated models to large amounts of unseen data, and to compare the performance of the different validation approaches. Our experimental results indicate that cross-validation produces (Q)SAR models with higher predictivity than external test set validation and reduces the variance of the results. Statistical validation is important to evaluate the performance of (Q)SAR models, but does not support the user in better understanding the properties of the model or the underlying correlations. We present the 3D molecular viewer CheS-Mapper (Chemical Space Mapper) that arranges compounds in 3D space, such that their spatial proximity reflects their similarity. The user can indirectly determine similarity, by selecting which features to employ in the process. The tool can use and calculate different kinds of features, like structural fragments as well as quantitative chemical descriptors. Comprehensive functionalities including clustering, alignment of compounds according to their 3D structure, and feature highlighting aid the chemist to better understand patterns and regularities and relate the observations to established scientific knowledge. Even though visualization tools for analyzing (Q)SAR information in small molecule datasets exist, integrated visualization methods that allows for the investigation of model validation results are still lacking. We propose visual validation, as an approach for the graphical inspection of (Q)SAR model validation results. New functionalities in CheS-Mapper 2.0 facilitate the analysis of (Q)SAR information and allow the visual validation of (Q)SAR models. The tool enables the comparison of model predictions to the actual activity in feature space. Our approach reveals if the endpoint is modeled too specific or too generic and highlights common properties of misclassified compounds. Moreover, the researcher can use CheS-Mapper to inspect how the (Q)SAR model predicts activity cliffs. The CheS-Mapper software is freely available at http://ches-mapper.org.