ИИ помогает обнаружить неизвестные молекулы
Исследователи разработали модель машинного обучения DreaMS, которая значительно ускоряет анализ ранее неизвестных молекул. Исследование опубликовано в Nature Biotechnology.
В команду вошли лауреат премии Neuron этого года для молодых перспективных учёных, доктор Томаш Плюскал из Института органической химии и биохимии Чешской академии наук (IOCB Prague), его студент Роман Бушуев и коллеги из Чешского института информатики, робототехники и кибернетики Чешского технического университета (CIIRC CTU) доктор Йозеф Шивич и Антон Бушуев.
Природа полна химических веществ, которые ещё предстоит открыть. Считается, что подавляющее большинство природных молекул остаётся неизвестным. Их описание может проложить путь к новым лекарствам, более экологичным пестицидам, глубокому пониманию биологических процессов или более продвинутым исследованиям жизни во Вселенной.
Каждое вещество имеет уникальный паттерн, подобный человеческому отпечатку пальца, называемый масс-спектром, который можно зафиксировать с помощью метода масс-спектрометрии. Хотя этот подход генерирует большие объёмы данных, их интерпретация и определение точных молекулярных структур чрезвычайно сложны. Результирующие наборы данных часто выглядят как обширные таблицы чисел без очевидного смысла.
Чтобы раскрыть тайну неизвестных молекул, команда из IOCB и CIIRC CTU обратилась к искусственному интеллекту. Подобно тому, как большие языковые модели, такие как ChatGPT, учатся понимать язык, не зная заранее значения слов, модель DreaMS пытается интерпретировать масс-спектры без предварительного знания их химических структур.
«ChatGPT может выводить значение слов и связи между ними из больших объёмов текста, а нейронная сеть DreaMS, используя самообучение машинного обучения, учится распознавать, какие молекулярные структуры скрыты в спектрах. Она опирается на данные миллионов примеров», — объясняет Шивич.
«Модель DreaMS была обучена на десятках миллионов спектров от различных организмов и сред — растений, микробов, образцов пищи, тканей и почвы. Благодаря этому она может раскрывать скрытые сходства между спектрами, которые на первый взгляд кажутся несвязанными», — говорит Плюскал.
Результатом является взаимосвязанная сеть, которая помогает ориентироваться в обширном массиве химических данных. Эту сеть, которую можно представить как интернет масс-спектров, назвали DreaMS Atlas. Каждый спектр подобен веб-сайту, связанному с другими.
В этом «интернете спектров» пользователи могут искать, исследовать обнаруженные связи и задавать новые вопросы — например: что общего у пестицидов, пищи и человеческой кожи?
DreaMS обнаружила неожиданные химические сходства между ними и выдвинула гипотезу, что определённые пестициды могут быть связаны с аутоиммунными заболеваниями, такими как псориаз.
Помимо соединения спектров из разных исследований, DreaMS также можно использовать для различных практических задач — например, чтобы оценить, сколько специфических фрагментов содержит молекула или включает ли она определённые химические элементы.
«Мы были особенно удивлены, что модель научилась обнаруживать фтор», — говорит Бушуев.
«Фтор присутствует примерно в одной трети всех лекарств и агрохимикатов, но ранее мы не могли надёжно обнаружить его по масс-спектру. После предварительного обучения DreaMS на миллионах спектров мы дообучили её несколькими тысячами примеров молекул, содержащих фтор, — и внезапно это сработало».
Исследователи сейчас работают над следующим шагом: учат модель предсказывать целые молекулярные структуры. В случае успеха это может фундаментально изменить наше понимание химического разнообразия — будь то на планете Земля или за её пределами.