Блок-схема тестирования нейронной сети PhAI. Фото: Наука (2024 г.). DOI: 10.1126/science.adn2777
Трио химиков из Копенгагенского университета разработали приложение искусственного интеллекта, которое можно использовать для определения фазы рентгеновских лучей, дифрагированных кристаллами, в рамках усилий по предсказанию структуры малые молекулы.
В своей статье, опубликованной в журнале Science, Андерс Ларсен, Томс Рекис и Андерс Мадсен описывают, как они разработали свою систему и насколько хорошо она работала во время тестирования.
За последние несколько лет химики и специалисты по информатике объединились для создания приложений ИИ, которые могут использоваться для помощи химикам в различных приложениях. Такие приложения являются естественными, поскольку многие химические процессы выполняются методом проб и ошибок.
В качестве одного из примеров можно привести недавно разработанное приложение ИИ для прогнозирования структур белков. В этой новой работе исследователи использовали ИИ для создания приложения, которое может делать то же самое для малых молекул.
Как отмечают исследователи, текущий процесс прогнозирования структуры заданной малой молекулы включает в себя преобразование их партий в твердые кристаллы, а затем обстреливание их рентгеновскими лучами. Электроны в рентгеновском луче отскакивают после удара по кристаллу в определенном шаблоне — анализируя шаблон, химики могут вычислить структуру молекул, составляющих кристалл.
Но есть загвоздка: хотя относительно легко измерить интенсивность рентгеновских лучей во время обжига, исследователи не могут измерить их фазу. Из-за этого им часто приходится угадывать, что часто приводит к тому, что они называют нечеткими дифракционными узорами. В этом новом исследовании исследовательское трио нашло способ использовать ИИ для поиска уникальности в узорах, даже если они нечеткие.
Чтобы создать свое приложение ИИ, которое они назвали PhAI, команда использовала компьютерные модели для создания миллионов поддельных структур малых молекул, а затем вычислила нечеткие дифракционные картины, которые будут получены из-за их плохих кристаллических структур.
Затем они использовали результаты для обучения ИИ на основе взаимосвязи между кристаллами и полученными нечеткими картинами. Это дало им необходимую информацию о фазе и интенсивности, а также выходные данные для миллионов возможных молекул. Они использовали эту информацию для проведения окончательного обучения.
Тестирование системы показало, что она способна точно предсказывать структуру 2400 реальных малых молекул, если структура уже была известна. Исследовательская группа планирует продолжить свою работу, надеясь расширить возможности PhAI за пределы 50-атомных молекул.
Дополнительная информация: Андерс С. Ларсен и др., PhAI: подход с глубоким обучением для решения проблемы кристаллографической фазы, Science (2024). DOI: 10.1126/science.adn2777
Информация о журнале: Science
