Исследователи представили новую платформу, объединяющую автоматизированные эксперименты с использованием искусственного интеллекта для прогнозирования химических реакций. Этот подход может значительно ускорить процесс создания новых лекарств, предоставляя более точные прогнозы о том, как будут взаимодействовать химические вещества.
Для предсказания реакций молекул химики обычно применяют моделирование электронов и атомов в упрощенных сценариях, что требует значительных вычислительных ресурсов и не всегда является точным. Новый метод, разработанный исследователями из Кембриджского университета и Pfizer, сочетает автоматизированные эксперименты с машинным обучением, получившим название "реактом". Этот подход был проверен на обширном наборе данных, включающем более 39 000 фармацевтически значимых реакций.
Результаты этого исследования, опубликованные в Nature Chemistry, подчеркивают значимость сотрудничества между Кембриджским университетом и Pfizer. Доктор Эмма Кинг-Смит из Кембриджской Кавендишской лаборатории подчеркнула, что "реактом" может переосмыслить подход к органической химии, что приведет к более эффективному созданию фармацевтических препаратов.
В дополнительной статье, опубликованной в Nature Communications, команда исследователей создала модель машинного обучения, которая предсказывает реакции в заранее определенных областях молекул. Этот подход позволяет химикам точно настраивать сложные молекулы, ускоряя процесс разработки лекарств. Эксперименты с новой моделью прошли успешно на различных молекулах, похожих на лекарства, и продемонстрировали точность предсказания мест реакций при различных условиях.
Эти инновации призваны изменить привычный метод проб и ошибок в химических исследованиях, предоставляя более точные и быстрые способы предсказания химических реакций и тем самым улучшая процесс создания лекарств.
