普渡大学 信用:CC0公共领域 串联质谱是一种强有力的分析工具,用于表征药物发现和其他领域中的复杂混合物
现在,普渡大学的创新者创造了一种新方法,将机器学习概念应用到串联质谱过程中,以改善新药开发中的信息流
他们的工作发表在《化学科学》上
普渡大学科学学院分析和物理化学助理教授高拉夫·乔普拉说:“质谱在药物发现和开发中起着不可或缺的作用。”
“使用少量正负训练数据的自举式机器学习的具体实施将为成为化学家自动化化合物表征的日常活动的主流铺平道路
" 乔普拉说,用于化学科学的机器学习领域存在两个主要问题
所使用的方法不能提供对算法所做决策的化学理解,并且新方法通常不能用于进行盲实验测试,以查看所提出的模型在化学实验室中的使用是否准确
乔普拉说:“我们已经针对这两个项目提出了一种方法,这种方法具有异构体选择性,在化学科学中非常有用,可以表征复杂的混合物,识别化学反应和药物代谢物,在蛋白质组学和代谢组学等领域也非常有用。”
普渡大学的研究人员创建了统计上强大的机器学习模型,以较少的训练数据工作——这一技术将有助于药物发现
该模型着眼于一种常见的中性试剂——2-甲氧基丙烯(MOP),并预测化合物将如何在串联质谱仪中与MOP相互作用,以获得化合物的结构信息
弗兰克·布朗分析化学和有机化学杰出教授希尔卡·肯特玛说:“这是首次将机器学习与诊断气相离子分子反应相结合,这是一种非常强大的结合,引领了对有机化合物进行完全自动化的质谱鉴定。”
“我们现在正在将许多新试剂引入这种方法
" 普渡团队引入了化学反应流程图,以便对机器学习方法做出的决定进行化学解释,这将有助于理解和解释结构信息的质谱
来源:由phyica.com整理转载自PH,转载请保留出处和链接!