ИИ получит крупную базу химических реакций для ускорения создания лекарств
Ученые создали открытую базу из 50 688 химических реакций. Эти данные помогут обучать ИИ и быстрее подбирать способы синтеза новых лекарств.
Источник: Новости науки.
МОСКВА, 24 июня. /Новости науки/. Исследователи создали открытую базу данных из более чем 50 тыс. химических экспериментов, которая поможет системам искусственного интеллекта быстрее искать пути создания лекарств. Работа опубликована в Journal of the American Chemical Society.
Разработка новых препаратов часто требует тысяч опытов. Химикам нужно подобрать безопасный, эффективный и по возможности недорогой способ получить нужное вещество. Этот процесс идет медленно. Многие реакции также зависят от редких или дорогих металлов, которые работают как катализаторы.
ИИ уже помогает ускорять поиск новых лекарств. Но такие системы хорошо работают только тогда, когда у них есть большие и качественные наборы данных. В химии таких данных пока мало, особенно если речь идет о реакциях, важных для фармацевтики.
Команда ученых создала базу из 50 688 реакций и проверила тысячи сочетаний реагентов, катализаторов и условий. Главной темой стали реакции образования связей углерод — азот. Такие связи входят в состав многих лекарственных молекул.
Данные выложены в открытый доступ через Open Reaction Database, чтобы ученые смогут искать в них закономерности, которые трудно увидеть в обычных небольших исследованиях.
Отдельная часть работы связана с катализаторами. Авторы сравнили, как в похожих условиях работают палладий, никель и медь. Палладий часто используют при синтезе лекарств, но его поставки зависят от ограниченного числа стран. Это создает риск для фармацевтического производства.
Исследование показало, что в ряде реакций никель работает не хуже палладия. В некоторых случаях подходящим оказался и медный катализатор. Медь доступнее и добывается во многих регионах мира. Это может помочь химикам искать более дешевые и устойчивые способы производства лекарств.
База также позволила увидеть неожиданные химические эффекты. Например, ученые обнаружили, что арины — очень реакционноспособные промежуточные молекулы — могут образовываться при более низких температурах, чем ожидалось.
Авторы считают, что такие крупные массивы данных станут основой для новых предсказательных моделей. Эти модели смогут заранее подсказывать, какие условия реакции дадут нужный результат. Это сократит число пробных экспериментов и ускорит разработку сложных лекарственных молекул.
Разработка новых препаратов часто требует тысяч опытов. Химикам нужно подобрать безопасный, эффективный и по возможности недорогой способ получить нужное вещество. Этот процесс идет медленно. Многие реакции также зависят от редких или дорогих металлов, которые работают как катализаторы.
ИИ уже помогает ускорять поиск новых лекарств. Но такие системы хорошо работают только тогда, когда у них есть большие и качественные наборы данных. В химии таких данных пока мало, особенно если речь идет о реакциях, важных для фармацевтики.
Команда ученых создала базу из 50 688 реакций и проверила тысячи сочетаний реагентов, катализаторов и условий. Главной темой стали реакции образования связей углерод — азот. Такие связи входят в состав многих лекарственных молекул.
Данные выложены в открытый доступ через Open Reaction Database, чтобы ученые смогут искать в них закономерности, которые трудно увидеть в обычных небольших исследованиях.
Отдельная часть работы связана с катализаторами. Авторы сравнили, как в похожих условиях работают палладий, никель и медь. Палладий часто используют при синтезе лекарств, но его поставки зависят от ограниченного числа стран. Это создает риск для фармацевтического производства.
Исследование показало, что в ряде реакций никель работает не хуже палладия. В некоторых случаях подходящим оказался и медный катализатор. Медь доступнее и добывается во многих регионах мира. Это может помочь химикам искать более дешевые и устойчивые способы производства лекарств.
База также позволила увидеть неожиданные химические эффекты. Например, ученые обнаружили, что арины — очень реакционноспособные промежуточные молекулы — могут образовываться при более низких температурах, чем ожидалось.
Авторы считают, что такие крупные массивы данных станут основой для новых предсказательных моделей. Эти модели смогут заранее подсказывать, какие условия реакции дадут нужный результат. Это сократит число пробных экспериментов и ускорит разработку сложных лекарственных молекул.
