今天許多藥物都是作為粉末狀固體生産的,但要完全了解活性成分一旦進入體内後的行為,科學家需要知道它們的确切原子水平結構。例如分子在晶體中的排列方式直接影響化合物的性質,例如其溶解性。因此研究人員正在努力開發能夠輕易識别微晶粉末晶體結構的技術。一個由EPFL科學家組成的團隊現在已經編寫了一個機器學習程序,可以在創紀錄的時間内預測原子對外加磁場的反應。這可以與核磁共振(NMR)光譜相結合來确定複雜有機化合物中原子的确切位置。這對制藥公司來說可能是巨大的利益,制藥公司必須仔細監控他們的分子結構以滿足病人安全的要求,研究發表在《自然通訊》上。
用人工智能高速飛行博科園-科學科普:核磁共振波譜是一種著名、高效的探測原子間磁場和确定相鄰原子之間相互作用的方法。然而用核磁共振光譜法測定全晶體結構需要非常複雜、耗時的量子化學計算——對于結構非常複雜的分子幾乎不可能。但是EPFL開發的程序可以克服這些障礙,科學家們對他們的人工智能模型進行了結構數據庫中分子結構的訓練。EPFL工程學院計算科學與建模實驗室的主任,也是這項研究的合著者Michele Ceriotti說:即使是相對簡單的分子,這個模型也比現有的方法快近10000倍,而且當考慮到更複雜的化合物時,它的優勢就會大大增加,要預測含有近1600個原子的晶體的核磁共振信号
圖片:Michele Ceriotti / EPFL
技術什邡大約需要6分鐘如果采用傳統技術,同樣的壯舉将需要16年的時間。這個新程序将使使用完全不同的方法成為可能,這将更快,并允許訪問更大的分子。這真的很令人興奮,因為在計算時間上的巨大加速度将允許我們覆蓋更大的構象空間,并正确地确定結構,這是以前不可能的。這使得當代大多數複雜的藥物分子觸手可及。該項目現在可以在網上免費獲得,任何人都可以上傳一個分子并在幾分鐘内得到它的核磁共振簽名。
博科園-科學科普|研究/來自:洛桑聯邦理工學院
參考期刊文獻:《Nature Communications》
DOI: 10.1038/s41467-018-06972-x
博科園-傳遞宇宙科學之美
,更多精彩资讯请关注tft每日頭條,我们将持续为您更新最新资讯!