Искусственный интеллект, химия "строительных блоков" и машина для производства молекул объединились, чтобы найти наилучшие общие условия реакции для синтеза химических веществ, важных для биомедицинских исследований и материалов - открытие, которое может ускорить инновации и открытие лекарств, а также сделать сложную химию автоматизированной и доступной.

С помощью оптимизированных условий, созданных машиной, исследователи из Университета Иллинойса Урбана-Шампейн и их коллеги из Польши и Канады удвоили средний выход особого, трудно оптимизируемого типа реакции, связывающей атомы углерода вместе в фармацевтически важных молекулах. Исследователи говорят, что их система обеспечивает платформу, которая также может быть использована для поиска общих условий для других классов реакций и решений для столь же сложных проблем. Они сообщили о своих выводах в журнале Science.

"Универсальность имеет решающее значение для автоматизации и, таким образом, делает молекулярные инновации доступными даже для нехимиков", - сказал соруководитель исследования доктор Мартин Д. Берк, профессор химии из Иллинойса и Медицинского колледжа Карла Иллинойса, а также врач. "Проблема в том, что количество возможных условий реакции в стоге сена астрономически велико, а иголка спрятана где-то внутри. Используя возможности искусственного интеллекта и химии строительных блоков для создания петли обратной связи, мы смогли уменьшить стог сена. И мы нашли иглу."

По словам исследователей, автоматизированные машины для синтеза белков и нуклеиновых кислот, таких как ДНК, произвели революцию в исследованиях и химическом производстве в этих областях, но многие химические вещества, имеющие важное значение для фармацевтического, клинического, производственного применения и материалов, представляют собой небольшие молекулы со сложной структурой.

Группа Берка стала пионером в разработке простых химических строительных блоков для малых молекул. Его лаборатория также разработала автоматизированную машину для производства молекул, которая соединяет строительные блоки для создания широкого спектра возможных структур.

Однако общие условия реакции, позволяющие сделать автоматизированный процесс широко применимым, оставались неуловимыми.

"Традиционно химики настраивают условия реакции для каждого продукта, который они пытаются получить", - сказал Берк. "Проблема в том, что это медленный и очень зависимый от специалиста процесс, который очень трудно автоматизировать, потому что машину придется каждый раз оптимизировать. Чего мы действительно хотим, так это условий, которые работают почти каждый раз, независимо от того, какие две вещи вы пытаетесь соединить вместе ".

Автоматизированный подход с обобщенными условиями может помочь стандартизировать процесс производства некоторых продуктов, решив проблему воспроизводимости, сказала постдокторант из Иллинойса Вандана Ратор, соавтор исследования.

Группа Берка объединилась с группой под руководством Бартоша А. Гржибовского из Института органической химии Польской академии наук, а также с группой Алана Аспуру-Гузика из Университета Торонто, которые являются лидерами в использовании искусственного интеллекта и машинного обучения для улучшения химического синтеза. Команда интегрировала искусственный интеллект с машиной molecule, чтобы обеспечить обратную связь с системой машинного обучения в режиме реального времени.

"Чтобы отличить хорошее от плохого, нужно что-то знать о плохом, но люди публикуют только успехи", - сказал Гржибовский. Опубликованные исследования отражают условия, которые являются популярными или удобными, а не лучшими, поэтому необходим системный подход, включающий разнообразные данные и отрицательные результаты, сказал он.

Сначала команда прогнала всю матрицу возможных комбинаций, используя химию строительных блоков, с помощью алгоритма, чтобы сгруппировать похожие реакции. Затем искусственный интеллект отправил инструкции, введенные в машину в лаборатории Molecule Maker, расположенной в Институте передовых наук и технологий Бекмана в Иллинойсе, для получения репрезентативных реакций из каждого кластера. Информация от этих реакций поступала обратно в модель; ИИ извлекал уроки из полученных данных и заказывал новые эксперименты с помощью молекулярной машины.

"Мы ожидали увидеть две вещи: увеличение доходности и уменьшение неопределенности для широкого спектра реакций", - сказал Гржибовски, который сейчас работает в Ульсанском институте науки и технологий в Южной Корее. "Этот цикл продолжался без нашего вмешательства до тех пор, пока проблема не была решена. Выяснение общих условий для машин для синтеза белка заняло 30 лет. Это заняло у нас два месяца".

В процессе были определены условия, которые удвоили средний выход сложного класса реакций, называемых гетероарильной связью Сузуки-Мияуры, которая имеет решающее значение для многих биологических соединений и материалов, имеющих отношение к делу.

"Существуют всевозможные комбинации строительных блоков, которые мы даже не изучали в нашем обучении ИИ, но поскольку ИИ исследовал такое разнообразное пространство, он нашел хорошие результаты даже в тех изначально неисследованных областях", - сказал аспирант из Иллинойса Николас Х. Анджелло, один из первых авторов исследования.

По словам исследователей, процесс машинного обучения, описанный в статье, также может быть применен к другим широким областям химии, чтобы найти наилучшие условия реакции для других типов малых молекул или даже более крупных органических полимеров.

"Существует так много различных классов материалов, которые мы хотим знать, ориентироваться и открывать для различных функциональных свойств. Возможность распространения этого подхода на другие подобные химические реакции, другие типы углерод-углеродных связей, является захватывающей", - сказал соавтор исследования Чарльз М. Шредер, профессор материаловедения и инженерии из Иллинойса, химической и биомолекулярной инженерии и филиал Института Бекмана.