卡内基梅隆大学计算生物学系和俄罗斯圣彼得堡州立大学的研究人员设计的一种算法可以帮助科学家识别未知分子。该算法名为 MolDiscovery，它使用来自分子的质谱数据来预测未知物质的身份，在研究早期告诉科学家他们是偶然发现了新事物，还是仅仅重新发现了已知事物。
这一发展可以节省寻找可用于医学的新天然产品的时间和金钱。
“科学家们浪费了大量时间来分离已知的分子，基本上是重新发现青霉素，”助理教授、研究团队成员 Hosein Mohimani 说。“早期检测分子是否已知可以节省时间和数百万美元，并有望使制药公司和研究人员更好地寻找可能导致新药开发的新型天然产品。”
该团队的工作“MolDiscovery：学习小分子的质谱碎片化”最近发表在《自然通讯》上。研究团队包括 Mohimani;CMU博士学生刘曹和穆斯塔法·古勒;CMU研究助理李奕元;以及圣彼得堡州立大学算法生物技术中心的研究人员 Azat Tagirdzhanov 和 Alexey Gurevich。
Mohimani 在代谢组学和宏基因组学实验室的研究重点是寻找新的天然药物，例如，在一位科学家检测到一种有望作为海洋或土壤样本中潜在药物的分子后，可能需要一年时间或更长的时间来识别分子，但不能保证该物质是新的。MolDiscovery 使用质谱测量和预测性机器学习模型来快速准确地识别分子。
质谱测量是分子的指纹，但与指纹不同的是，没有庞大的数据库来匹配它们。尽管已经发现了数十万种天然分子，但科学家们无法获得他们的质谱数据。MolDiscovery 从质谱数据中预测分子的身份，而无需依赖质谱数据库进行匹配。
该团队希望 MolDiscovery 将成为实验室发现新型天然产物的有用工具。MolDiscovery 可以与 Mohimani 实验室开发的机器学习平台 NRPminer 协同工作，帮助科学家分离天然产物。与 NRPminer 相关的研究最近也发表在Nature Communications 上。
标签： 分子
免责声明：本文由用户上传，如有侵权请联系删除！