Nový nástroj umělé inteligence AIMe odhaluje tisíce neznámých molekul v těle a mikrobiomu

Vědci z Boyce Thompson Institute (BTI) a Cornellovy univerzity vyvinuli nový nástroj umělé inteligence s názvem AIMe (AI Molecule Explorer), který má potenciál zásadně změnit způsob, jakým identifikujeme malé molekuly v lidském těle a jeho mikrobiomu.

Vědci z Boyce Thompson Institute (BTI) a Cornellovy univerzity vyvinuli nový nástroj umělé inteligence s názvem AIMe (AI Molecule Explorer), který má potenciál zásadně změnit způsob, jakým identifikujeme malé molekuly v lidském těle a jeho mikrobiomu. Tyto molekuly hrají klíčovou roli v imunitě, metabolismu a mnoha dalších tělesných funkcích, avšak více než 80 % sloučenin detekovaných v typickém biologickém vzorku nelze současnými metodami přiřadit žádné známé struktuře, což představuje významnou překážku v biomedicínských vědách.

AIMe využívá neuro-symbolickou umělou inteligenci k předpovídání, organizaci a prohledávání hmotnostních spekter více než 100 milionů známých malých organických molekul. Tímto způsobem vytváří rozsáhlou prohledávatelnou mapu chemického prostoru, která výrazně urychluje generování hypotéz a identifikaci sloučenin. Nástroj je veřejně dostupný a jeho zdrojový kód bude zveřejněn po publikaci studie.

Jiný přístup ke starému problému

Hmotnostní spektrometrie je základní metodou pro identifikaci malých molekul v široké škále aplikací, od toxikologie po analýzu potravin. Když je sloučenina analyzována, přístroj ji fragmentuje a zaznamenává hmotnosti výsledných částí. Tento vzor fragmentů, takzvané tandemové hmotnostní spektrum (nebo spektrum MS2), funguje jako molekulární otisk prstu. K identifikaci neznámé sloučeniny vědci porovnávají její spektrum s referenční knihovnou spekter známých sloučenin nebo vytvářejí hypotézy o struktuře sloučeniny na základě manuální analýzy fragmentačního vzoru. Problémem je, že experimentální referenční knihovny jsou stále řídké a odborná interpretace jedné po druhé je pracná a pomalá. Dostupná knihovna pokrývá méně než 1 % známých sloučenin a určení struktury jedné neznámé sloučeniny může trvat dny až měsíce iterativní analýzy a experimentálního ověřování. V důsledku toho spektra bez blízkých shod v knihovně obvykle zůstávají neoznačená.

AIMe přistupuje k problému jinak. Namísto čekání na hromadění experimentálních spekter v knihovnách předpovídá spektra výpočetně a poté tyto předpovědi organizuje do prohledávatelného zdroje nazvaného MS2KOSMOS. AIMe vygenerovalo více než 800 milionů předpovězených spekter pokrývajících v podstatě všechny známé malé organické molekuly v PubChemu, největší veřejně dostupné chemické databázi. To představuje zhruba tisícinásobné rozšíření prohledávatelného chemického prostoru ve srovnání s existujícími experimentálními knihovnami. Jádrem AIMe je model DeepMS2Reasoner, který simuluje, jak se molekuly fragmentují uvnitř hmotnostního spektrometru. Vytváří fragmentační cesty krok za krokem, používá symbolická chemická pravidla k výčtu fyzikálně věrohodných fragmentačních kroků a neuronovou síť k přiřazení pravděpodobností každému kroku. Výsledkem je předpovězené spektrum a anotovaná mapa toho, jak se molekula rozpadla, což činí výstupy AIMe interpretovatelné v chemických termínech.