Разработка поможет фармацевтам, химикам и сотрудникам лабораторий быстрее определять структуру неизвестных соединений. Решение автоматически анализирует данные и за секунды выдаёт список самых подходящих молекул. В 90,5% случаев нужная структура оказывается в первой сотне результатов.

Исследователи Университета Иннополис разработали вычислительный фреймворк для анализа тандемных масс-спектров. Тандемная масс-спектрометрия позволяет получить своеобразный «отпечаток» молекулы — спектр её фрагментов. 

Рустам Лукманов, заместитель директора Института анализа данных и ИИ Университета Иннополис: «Представьте, что есть крошечная частица неизвестного вещества и нужно узнать, что это за молекула и какое у неё химическое строение. Это можно сделать с помощью специального прибора масс-спектрометра, который создаёт уникальную картину-отпечаток этого вещества — масс-спектр. Однако превратить такой спектр в конкретную химическую гипотезу непросто. Один из распространённых подходов — сравнить полученные данные с библиотекой уже известных спектров. Но если нужного соединения в ней нет или измерение проводилось при других условиях, прямого совпадения может не оказаться и вещество останется неопознанным».

Разработка российского ИТ-вуза решает эту задачу как поиск между двумя типами данных — масс-спектром и молекулярной структурой. Нейросеть обучается на парах «спектр — молекула» и переводит оба типа информации в единое векторное пространство. Благодаря этому система ищет не точную копию экспериментального спектра, а наиболее соответствующие ему молекулярные структуры и автоматически ранжирует их для специалиста.

Иван Голов, разработчик Лаборатории искусственного интеллекта в химии Университета Иннополис: «Полученный на масс-спектрометре спектр можно представить как сложный отпечаток молекулы. Задача исследователя — понять, какая структура могла его оставить. Мы разработали систему, которая помогает автоматизировать этот поиск: вместо ручного анализа огромного числа вариантов специалист получает ранжированный список наиболее вероятных молекулярных кандидатов».

Для разработки и проверки системы исследователи использовали более 1 млн валидированных пар «масс-спектр — молекула». По итогам тестирования удалось добиться высокой точности поиска: в 90,5% случаев правильная молекулярная структура попадала в первую сотню предложенных кандидатов. По сравнению с базовыми подходами качество ранжирования существенно выросло — вероятность вывести правильную структуру на первое место увеличилась почти вдвое.

При этом система рассчитана на работу с крупными массивами данных: поиск выполняется по базе из сотен тысяч молекулярных структур, а обработка одного спектра занимает в среднем около 0,09 секунды. Это позволяет использовать разработку не только как исследовательский прототип, но и как основу для практических инструментов анализа масс-спектрометрических данных.

По словам разработчиков, решение не заменяет химика и экспериментальное подтверждение структуры вещества. Его задача — значительно сократить пространство поиска: быстро отсеять множество менее релевантных вариантов и предоставить исследователю набор наиболее перспективных молекулярных гипотез для дальнейшего анализа. Технология может применяться как инструмент предварительной аннотации соединений в фармацевтических, химических и аналитических исследованиях.

На устройство получен патент при поддержке экспертов Межотраслевого центра трансфера технологий Университета Иннополис. 

Дальнейшее развитие проекта связано с расширением обучающих данных, повышением качества ранжирования и использованием дополнительных экспериментальных признаков для поиска молекулярных структур.