Эта система ИИ помогла химикам открыть ранее неизвестные реакции, которые могут быть полезны для создания новых лекарств от рака, сообщила пресс-служба Российского научного фонда (РНФ).
«Цифровой помощник берет на себя тяжелую и объемную работу по первичному анализу, а человек принимает творческие решения на уже проработанном пространстве данных. Наше исследование демонстрирует, что даже без дорогостоящих роботизированных лабораторий можно существенно ускорить открытие новых реакций, опираясь на доступные вычислительные инструменты и экспертный опыт», — заявил заведующий Лабораторией металлокомплексных и наноразмерных катализаторов Института органической химии РАН, академик РАН Валентин Анаников, чьи слова приводит пресс-служба РНФ.
Ученые уже много лет активно работают над внедрением технологий машинного обучения и искусственного интеллекта в химическую науку. Их применение, как надеются ученые, ускорит как анализ уже накопленных экспериментальных данных, так и поможет более эффективно искать новые химические реакции.
В частности, недавно российским химикам удалось создать ИИ-помощника, который помогает искать и изучать ранее неизвестные химические взаимодействия между сложными молекулами, которые относятся к классу реакций циклоприсоединения. В их рамках молекулы непредельных углеводородов или других органических веществ соединяются друг с другом, формируя циклические молекулы, применяемые при создании антибиотиков и других лекарств.
Как отмечают ученые, созданный ими алгоритм способен анализировать особенности в структуре и свойствах молекул и оценивать вероятность их вступления в реакции циклоприсоединения. Используя эту систему, они проанализировали набор данных о свойствах и строении 134 тыс. молекул, что позволило им сгенерировать порядка 31 тыс. возможных реакций циклоприсоединения с участием этих веществ.
На следующем этапе работы, который занял у ИИ несколько часов, алгоритм отобрал 200 наиболее реалистичных реакций, которые не требуют дорогих и редких реактивов, а также протекают в обычных условиях. Часть из них была успешно проверена в реальных химических опытах, причем некоторые из полученных молекул могут использоваться в будущем для разработки новых лекарств от рака. Это делает системы машинного обучения особенно ценными помощниками для химиков, подытожили ученые.