ИИ „чете“ молекулите като рентген: голям пробив в прогнозирането на химичните реакции

Новият метод може да прогнозира химичните реакции, квантовите химични свойства и токсичността на молекулите.

Екипът на професор Франк Глориус от Института по органична химия към Университета в Мюнстер е разработил нов еволюционен алгоритъм. Той идентифицира структурите в дадена молекула, които са най-подходящи за определени изследвания. Тези структури се използват за кодиране на свойствата на молекулите в различни модели за машинно обучение. Разработката е публикувана в списание Chem.

Алгоритъмът, базиран на принципите на еволюцията – включително механизмите на възпроизвеждане, мутация и селекция – позволява създаването на индивидуализирани „молекулярни отпечатъци“. Тези пръстови отпечатъци вече са били използвани за прогнозиране на химичните реакции с висока точност. Методът е подходящ и за прогнозиране на квантовите химични свойства и токсичността на молекулите.

Изследователите подчертават, че за да се използва машинното обучение, молекулите първо трябва да се преобразуват в компютърно четим формат. Различни изследователски групи вече са се справили с тази задача, като са разработили различни методи. Трудно е обаче да се предвиди кой метод е най-подходящ за отговор на конкретен въпрос. Като например дали дадено химично съединение е вредно за хората.

Новият алгоритъм помага да се намери оптималният молекулярен отпечатък за всеки отделен случай. За тази цел алгоритъмът постепенно избира сигнатурите, които се представят най-добре при прогнозиране, от набор произволно генерирани такива.

„Следвайки примера на природата, ние използваме мутации, т.е. случайни промени в отделните компоненти на сигнатурите, или рекомбинираме компонентите на две сигнатури“,

обяснява докторантът Феликс Катценбург.

Предимството на метода е, че той ни позволява да разберем защо моделът прави определено прогнозиране. Например, възможно е да се определи кои части на молекулата влияят положително или отрицателно върху прогнозата за реакцията. Това позволява на изследователите целенасочено да променят тези структури.

Екипът на Мънстър отбелязва, че техният метод невинаги дава най-добрите резултати.

„Когато за избора на особено важни молекулни свойства е необходим значителен човешки опит или са налични много големи количества данни, други методи, като например невронните мрежи, понякога са по-ефективни“, к

азва Катценбург.

Въпреки това една от основните цели на изследването е била да се разработи метод за кодиране на молекулите, който да може да се прилага към всеки набор от молекулярни данни. И който не изисква специализирани познания за основните взаимовръзки.

Да напомним, че в началото на миналата година екипът на Тод Кернак от Мичиганския университет постигна производство на естествени алкалоиди в 3 стъпки, докато досега това изискваше от 7 до 26 стъпки. Чрез разработването на специализиран алгоритъм учените са определили най-ефективните стъпки, които водят до синтеза на химични съединения по възможно най-краткия път. В някои случаи броят на етапите на синтез се намалява почти на порядък. Комбинирането на тези два пробива може да доведе до истинска революция в областта на химията.