人工智能将绘制化学空间图以帮助浏览各种化合物

来自Skoltech计算和数据密集型科学与工程中心(CDISE)和亥姆霍兹慕尼黑环境健康中心(HMGU，德国)的科学家创建了一个神经网络，用于可视化化合物的化学空间，这对化学品具有潜在的价值。行业。这种新方法将有助于创造新的化合物并在现有化学品的空间中进行导航。该研究的结果发表在RSC Advances上。

化学家经常需要通过包含数十甚至数十万种化学结构的庞大数据库来选择最佳候选者。为此，他们需要知道数据库包含哪些类别的化合物。然而，经过数千个分子是一项艰巨的任务，如果分子被描绘成点并放置在一个平面或太空中，类似的分子挤在一起，这将更加容易。这将使用简单的工具来研究化学空间，就像地理学家使用不同尺度的数字地图来查看更大的图片或放大特定区域一样。但这就是问题：如果工具不了解化学，算法将如何知道放置分子的位置?

来自CDISE(Dmitry Karlov，Sergey Sosnin和Maxim Fedorov)和HMGU(Igor Tetko)的联合研究小组应用AI方法直接从数据中提取信息，并将深度神经网络与流行的t-SNE降维方法相结合来创建能够基于作为输入接收的化合物的多维结构在平面上生成化合物的2-D视图的神经网络。新方法将具有相似性质的分子彼此接近，从而可以根据化合物的性质将化合物分组。该研究的作者在数百万具有已知生物活性的化合物上训练他们的神经网络。

“我们采用t-SNE方法，通过训练深度神经网络，选择简单的描述符和计算多维空间距离的度量，使具有药物潜力的化合物的化学空间可视化。我们还发现这种方法可以节省更多信息。与其他降维方法相比，在速度方面与PCA相当，“Skoltech研究员和Dmitry Karlov研究的第一作者说。

在未来，科学家计划为化学家和药剂师开发一系列工具，以查看与已经研究和文献中描述的化合物相关的新的未探索化合物的排列。这将加速寻找新药的研发阶段。

郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如有侵权行为，请第一时间联系我们修改或删除，多谢。