Тандемная масс-спектрометрия — это мощный аналитический инструмент, используемый для определения характеристик сложных смесей при открытии лекарств и других областях.
Теперь новаторы из Университета Пердью создали новый метод применения концепций машинного обучения к процессу тандемной масс-спектрометрии, чтобы улучшить поток информации при разработке новых лекарств. Их работа опубликована в Chemical Science.
«Масс-спектрометрия играет важную роль в открытии и разработке лекарств , — сказал Гаурав Чопра, доцент кафедры аналитической и физической химии в Научном колледже Пердью. «Конкретная реализация начального машинного обучения с небольшим количеством представленных здесь положительных и отрицательных обучающих данных проложит путь к тому, чтобы стать мейнстримом в повседневной деятельности по автоматизации определения характеристик соединений химиками».
Чопра сказал, что есть две основные проблемы в области машинного обучения, используемого в химических науках. Используемые методы не обеспечивают химического понимания решений, принимаемых алгоритмом, и новые методы обычно не используются для проведения слепых экспериментальных тестов, чтобы убедиться, что предложенные модели точны для использования в химической лаборатории.
«Мы обратились к обоим этим вопросам для разработки методологии, которая является селективной по изомерам и чрезвычайно полезна в химических науках для характеристики сложных смесей, идентификации химических реакций и метаболитов лекарств, а также в таких областях, как протеомика и метаболомика», — сказал Чопра.
Исследователи Purdue создали статистически надежные модели машинного обучения для работы с меньшим объемом обучающих данных — метод, который будет полезен для открытия лекарств. Модель рассматривает обычный нейтральный реагент, называемый 2-метоксипропеном (MOP), и предсказывает, как соединения будут взаимодействовать с MOP в тандемном масс-спектрометре, чтобы получить структурную информацию для соединений.
«Это первый раз, когда машинное обучение было объединено с диагностическими газофазными ионно-молекулярными реакциями, и это очень мощная комбинация, ведущая к полностью автоматизированной масс-спектрометрической идентификации органических соединений», — сказал Хилкка Кенттамаа, Франк Браун, заслуженный профессор аналитической химии и органической химии. «Сейчас мы вводим много новых реагентов в этот метод».
Команда Purdue представляет блок-схемы химической реактивности, чтобы облегчить химическую интерпретацию решений, принимаемых методом машинного обучения, которые будут полезны для понимания и интерпретации масс-спектров для получения структурной информации.
Источник: Университет Пердью
Фото: CC0 Public Domain