Истражувачи од Институтот „Бојс Томпсон“ и Универзитетот „Корнел“ развија алатка со вештачка интелигенција што може значително да го забрза откривањето на непознати мали молекули во биолошки примероци.
Алатката, наречена AIMe (AI Molecule Explorer), користи невросимболичка вештачка интелигенција за предвидување, организирање и пребарување на масените спектри на повеќе од 100 милиони познати органски молекули. Нејзината база MS2KOSMOS содржи повеќе од 800 милиони предвидени спектри, со што достапниот простор за пребарување е зголемен за приближно илјадапати во споредба со постојните експериментални библиотеки.
Масената спектрометрија често се користи за идентификација на мали молекули. Инструментот ги распаѓа молекулите на помали фрагменти и го бележи нивниот масен образец, кој служи како молекуларен отпечаток. Сепак, експерименталните библиотеки опфаќаат помалку од еден процент од познатите соединенија, па повеќето сигнали во биолошките примероци остануваат неидентификувани.
AIMe го надминува овој проблем со компјутерско предвидување на спектрите. Моделот DeepMS2Reasoner симулира како молекулите се распаѓаат во масен спектрометар: хемиските правила ги одредуваат физички можните патеки на фрагментација, а невронската мрежа ја проценува веројатноста за секој чекор. Така се добиваат и предвиден спектар и објаснива мапа на процесот.
Во практичен тест, тимот анализирал примероци од глувци без цревна микробиота и глувци со нормална заедница на цревни бактерии. Од 111 најзастапени, а претходно неидентификувани соединенија, за околу една третина биле пронајдени блиски спектрални совпаѓања и структурни кандидати.
Анализата довела и до откривање на необичен макроцикличен полиамин — молекула со прстенеста структура, која претходно не била опишана во биологијата на глувци или луѓе. Подоцнежното пребарување покажало дека истото соединение се појавува во 57 од 99 анализирани примероци човечки измет.
Полиамините се важни за биологијата бидејќи се поврзани со исхраната, цревниот микробиом и имунолошкиот систем. Резултатите укажуваат дека разновидноста на молекулите зависни од микробиотата можеби е многу поголема отколку што се претпоставувало.
Истражувачите ја тестирале AIMe и врз повеќе од седум милиони спектрални групи од јавната база Global Natural Products Social Molecular Networking. Додека претходните методи обезбедиле идентификација за околу 416.000 групи, AIMe понудила можни анотации за приближно 2,69 милиони.
Алатката не дава конечен доказ за структурата на секое непознато соединение, но создава хемиски оправдани кандидати и го насочува понатамошното лабораториско проверување. Според авторите, тоа може да го скрати процесот на идентификација од месеци на значително пократко време.
