ИИ учится язык химия прогнозировать, как сделать лекарства

Кембриджский университет, исследователи показали, что алгоритм может предсказать результатов сложных химических реакций с более чем 90% точностью, превосходя специалистами-химиками. Алгоритм также показывает химики как сделать целевых соединений, предоставляя химической «карте» в нужное место. Результаты представлены в двух исследованиях в журналах САУ центре науки и химической связи.

Центральная задача обнаружения наркотиков и материаловедения является поиск путей для создания сложных органических молекул, химически объединившись проще строительные блоки. Проблема в том, что эти блоки часто реагируют неожиданным образом.

«Изготовление молекул часто описывается как искусство осознали, с проб и ошибок, экспериментов, потому что наши представления о реакционной способности далека от завершения», — сказал д-р Альфа ли из лаборатории Кавендиш Кембриджского университета, возглавлявший исследования. «Алгоритмы машинного обучения позволяют лучше понять химию, потому что они обобщать закономерности реактивности от миллионов опубликовано химических реакций, то, что Химик не может сделать».

Алгоритм разработан Ли и его группа использует инструменты распознавания образов для распознавания, как химических групп в молекулах реагировать, путем обучения модели на миллионы реакций, опубликованных в патентах.

Исследователи смотрели на прогнозирование химической реакции как проблему машинного перевода. Реагирующих молекул считаются одним языком, в то время как продукт является другой язык. Тогда модель использует шаблоны в тексте, научиться «перевода» между двумя языками.

Используя этот подход, модель достигает 90% точность в прогнозировании правильного продукта невидимых химических реакций, в то время как точность обученного человека химиков составляет около 80%. Исследователи говорят, что модель является достаточно точным, чтобы обнаружить ошибки в данных и правильно предсказать множество сложных реакций.

Модель также знает, что он не знает. Оно дает результат неопределенности, что исключает ошибочные прогнозы с 89% точностью. Как эксперименты отнимают много времени, точный прогноз имеет решающее значение, чтобы избежать преследующих дорогостоящих экспериментальных путей, которые в конечном счете заканчиваются провалом.

Во втором исследовании, Ли и его группа, сотрудничает с фармацевтической компанией «Пфайзер», продемонстрировали практические возможности метода в обнаружении наркотиков.

Ученые показали, что, когда обученные на опубликованных исследований по химии, модель может точно предсказать реакции, основанные на блокноты, показывающие, что модель уже выучил правила химии и может использоваться для настройки обнаружения наркотиков.

Команда также показала, что модель может предсказать последовательностей реакций, которые приведут к желаемым продуктом. Они применили эту методику для различных наркотиков-как молекул, показывает, что шаги, которые она прогнозирует, химически разумного. Эта технология позволяет значительно сократить время доклинических лекарств, потому что он предоставляет лекарственных химиков с планом, с чего начать.

«Наша платформа-это как GPS для химии,» сказал Ли, который является также научным сотрудником в колледже Святой Катарины. «Это информирует химики, может ли реакция идти или не идти, и как перемещаться по маршруты реакции, чтобы сделать новую молекулу».

Кембриджские исследователи в настоящее время используют эту реакцию прогнозирование технологии для разработки комплексная платформа, которая соединяет дизайн-сделать-цикл испытаний в лекарственных средств и материалам Discovery: прогнозирование перспективных биоактивных молекул, способы, чтобы сделать эти сложные органические молекулы, и выбирать экспериментов, которые являются наиболее информативными. Исследователи сейчас работают над извлечением химический выводы из модели, пытаясь понять, что он узнал, что люди не имеют.

«Потенциально мы можем сделать большой прогресс в химии, если мы узнаем, какие модели модель смотрит на то, чтобы сделать прогноз», — сказал Петр Болгар, докторант в области синтетической органической химии участие в обоих исследованиях. «Модель человека и химики вместе станет чрезвычайно мощным в проектировании экспериментов, больше, чем друг без друга».

Исследования проводились при поддержке Программы Уинтон за физику устойчивости и Фонда Herchel Смит.