Un equipo interdisciplinario de investigadores de la Universidad de California en San Diego ha desarrollado un método para identificar las estructuras moleculares de productos naturales que es significativamente más rápido y más preciso que los métodos existentes. El método funciona como reconocimiento facial para estructuras moleculares: utilizaun dato espectral exclusivo de cada molécula y luego lo ejecuta a través de una red neuronal de aprendizaje profundo para colocar la molécula desconocida en un grupo de moléculas con estructuras similares.
El nuevo sistema pendiente de patente se llama "SMART", que significa Tecnología de reconocimiento preciso de moléculas pequeñas y tiene el potencial de acelerar diez veces el proceso de identificación de la estructura molecular. Este desarrollo podría representar un cambio de paradigma en el análisis químico,campos de descubrimiento farmacéutico y de drogas, ya que el 70 por ciento de todas las drogas aprobadas por la FDA se basan en productos naturales como microorganismos del suelo, plantas terrestres y, cada vez más, formas de vida marina como las algas.
Este trabajo, publicado en Informes científicos de la naturaleza , representa una colaboración entre la Escuela de Ingeniería Jacobs de UC San Diego y la Institución de Oceanografía Scripps de UC San Diego.
"La estructura de una molécula es la información habilitante", dijo Bill Gerwick, profesor de oceanografía y ciencias farmacéuticas en el Instituto de Oceanografía Scripps de la UC San Diego. "Debe tener la estructura para cualquier aprobación de la FDA. Si desea tenerla propiedad intelectual debe patentar esa estructura, si desea hacer análogos de esa molécula necesita saber cuál es la molécula inicial, es una información crítica ".
Chen Zhang es un estudiante de doctorado en nanoingeniería en la Escuela de Ingeniería de la Universidad de California San Diego Jacobs y el primer autor de la nueva Informes científicos de la naturaleza artículo. Zhang dijo que determinar la estructura de una molécula puede ser un cuello de botella en el proceso de investigación de productos naturales, lo que lleva a los expertos meses e incluso años para determinar con precisión la estructura correcta y completa. Si bien cada molécula y su línea de tiempo de identificación son diferentes, el enfoque INTELIGENTEles da a los investigadores una pista temprana sobre a qué familia pertenece una nueva molécula, reduciendo drásticamente el tiempo que lleva caracterizar un nuevo producto natural.
"La forma en que pudimos acelerar el proceso es esencialmente mediante el uso de software de reconocimiento facial para observar la información clave que obtenemos sobre las moléculas", explicó Gerwick. La información clave que utiliza el equipo es algo llamado heteronuclearEl espectro de resonancia magnética nuclear de coherencia cuántica singular, o HSQC NMR, produce un mapa topológico de puntos que revela qué protones de la molécula están unidos directamente a qué átomos de carbono, y es único para cada molécula.
Zhang y Gerwick se asociaron con Gary Cottrell, profesor de ciencias de la computación e ingeniería en la Escuela de Ingeniería Jacobs de la Universidad de California en San Diego, para desarrollar un sistema de aprendizaje profundo capacitado con miles de espectros HSQC extraídos de la literatura. Esta red neuronal convolucional requiere unaImagen en 2D del espectro de RMN HSQC de una molécula desconocida y mapeada en un espacio de 10 dimensiones agrupado cerca de moléculas similares, lo que facilita a los investigadores dilucidar la estructura de una molécula desconocida.
"Chen adoptó este enfoque para obtener espectros de RMN de más de 4,000 compuestos de la literatura al cortar literalmente las imágenes de los PDF de los documentos", dijo Cottrell. "¡Fue un esfuerzo increíble! Aun así, esto normalmente no es suficientedatos para entrenar una red profunda, pero utilizamos una tecnología llamada red siamesa, en la que entrenas en pares de imágenes. Esto amplifica tu conjunto de entrenamiento en aproximadamente el cuadrado del número de compuestos en una familia, y es lo que hizo este proyectofactible."
Esta colaboración es la primera vez que Gerwick es mentor de un estudiante de ingeniería, y el intercambio de ideas resultó fructífero.
"Ha sido una interacción maravillosa. UC San Diego tiene algo realmente mágico al respecto, y esa es la profundidad de la colaboración que ocurre entre los departamentos, es fenomenal", dijo Gerwick. "Cuando intentas y tomas cuidadosamente de otra disciplinaalgo que tal vez sea algo común en esa disciplina y aplicarlo de una manera nueva y única en nuestra disciplina, es una oportunidad para realmente tener este tipo de cambio de paradigma. Y creo que esta tecnología, con algún avance, podría ser un verdaderocambio de paradigma en la forma en que hacemos todo tipo de análisis químicos y químicos ".
El equipo tendrá la oportunidad de avanzar gracias a una subvención de $ 550,000 de los Institutos Nacionales de Salud para desarrollar métodos eficientes que faciliten la clasificación estructural automatizada, el descubrimiento de características y la aclaración de estructuras de productos naturales y para construir una infraestructura que interactúe con la entrada de datosde la comunidad.
Fuente de la historia :
Materiales proporcionado por Universidad de California - San Diego . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cite esta página :