從簡(jiǎn)單的原料開(kāi)始合成一個(gè)復雜化合物是非常困難的,研究者必須拼命回憶腦子里的反應或機理,再查閱大量文獻,動(dòng)用逆合成分析,擬定出一個(gè)有可能管用的合成路線(xiàn)?,F在,有了新的實(shí)驗助手——用深層神經(jīng)網(wǎng)絡(luò )和符號人工智能(AI)來(lái)規劃化學(xué)合成。
人工智能工具可以幫助科學(xué)家規劃多步化學(xué)反應。來(lái)源:Roger Mayne Archive/Mary Evans Picture Library
AI加速藥物發(fā)現
通常,化學(xué)家們會(huì )搜索其他人記錄的反應列表,并根據自己的直覺(jué)得出一個(gè)具體的化合物的分步路徑。他們通常會(huì )逆向工作,從想要制造的分子開(kāi)始,然后分析哪些容易得到的試劑和反應序列可以用來(lái)合成它——一個(gè)被稱(chēng)為“逆向合成”的過(guò)程。然而,這可能需要幾個(gè)小時(shí)甚至幾天的時(shí)間。
德國明斯特大學(xué)有機化學(xué)家和人工智能研究員Marwin Segler以及他的同事開(kāi)發(fā)了一款新AI工具,使用深度學(xué)習神經(jīng)網(wǎng)絡(luò )來(lái)吸收所有已知的單步有機化學(xué)反應——大約1240萬(wàn)。這使它能夠預測在任何單一步驟中可以使用的化學(xué)反應。工具重復應用這些神經(jīng)網(wǎng)絡(luò )來(lái)規劃多步驟合成,解構所需的分子,直到它最終得到可用的啟動(dòng)試劑。
Segler和他的團隊為了測試這個(gè)程序在雙盲試驗中所產(chǎn)生的路徑,看看有經(jīng)驗的化學(xué)家是否能分辨出AI的合成途徑。他們向來(lái)自中國和德國的兩個(gè)研究所的45位有機化學(xué)家展示了9個(gè)分子的潛在合成路線(xiàn):一個(gè)由AI合成的途徑,另一種途徑是由人類(lèi)設計的。結果,有機化學(xué)家并不能區分出來(lái)。
盡管這不是第一次運用AI而不用人類(lèi)技能和直覺(jué)。但是,化學(xué)家們仍將這一發(fā)展視為一個(gè)里程碑,因為它可以加速藥物發(fā)現過(guò)程,并使有機化學(xué)更有效。論文發(fā)表在3月28日的《Nature》雜志上。
英國曼徹斯特大學(xué)(University of Manchester)設計合成預測工具的Pablo Carbonell說(shuō),“我們看到這個(gè)人工智能可以捕捉到這方面的專(zhuān)業(yè)知識。”他本人并未參與這項研究。
自20世紀60年代以來(lái),研究人員一直試圖利用計算能力來(lái)規劃有機化學(xué)合成,但收效甚微。但Segler的工具是近年來(lái)開(kāi)發(fā)的幾個(gè)使用AI來(lái)標記潛在反應路線(xiàn)的程序之一。
之前最著(zhù)名的加速化學(xué)合成的Chematica(化學(xué)腦)于2017年5月被德國制藥公司Merck收購(金額未透露)。韓國Ulsan國立科學(xué)技術(shù)研究院的化學(xué)家Bartosz Grzybowski及其團隊花費數年的時(shí)間,將有機化學(xué)規則輸入到該系統中,以供程序使用。
化學(xué)家不會(huì )因此失業(yè)
本月早些時(shí)候,Grzybowski報告說(shuō),他已經(jīng)在實(shí)驗室測試了最新的人工智能算法建議的8條路徑,并且都成功了。 “我很高興能實(shí)現這種復興,歡迎不同的途徑。”
Segler的工具是特別的,因為它只從數據中學(xué)習,不需要人類(lèi)輸入規則來(lái)使用。
Ola Engkvist是瑞典哥德堡制藥公司阿斯利康的計算化學(xué)家,他對這項工作印象深刻。他說(shuō):“提高合成化學(xué)的成功率,對藥物研發(fā)項目的速度和效率以及降低成本都有巨大的好處。”
Segler表示,他的工具已經(jīng)引起了幾家制藥公司的興趣,但他并不認為有機化學(xué)家會(huì )因此失業(yè)。“AI將成為化學(xué)家的助手,”他打了一個(gè)比方,“GPS導航設備可能會(huì )使紙質(zhì)地圖變得多余,但不是使汽車(chē)的駕駛員變得多余。”
參考資料:
Need to make a molecule? Ask this AI for instructions
合作咨詢(xún)
肖女士
021-33392297
Kelly.Xiao@imsinoexpo.com