Fluorescerende molekyler afsløret af kvantekemi og maskinlæring

RIKEN kemikere har demonstreret en kraftfuld måde at designe molekyler til at opfylde foruddefinerede specifikationer ved at bruge den til at skabe seks fluorescerende forbindelser. Denne metode, der kombinerer maskinlæring og kvantekemi, lover at spare kemikere for en masse tid på at lave og teste forbindelser i laboratoriet.

Den konventionelle tilgang til molekylært design er at starte med et molekyle, der har egenskaber tæt på de ønskede og derefter at forsøge at forbedre det gennem trial and error. Dette kan være en tidskrævende og hit-and-miss-affære, da der ikke er nogen garanti for, at det endelige molekyle er det bedste.

Kemikere har længe ønsket at vende situationen, så de starter med ønskede egenskaber og derefter søger alle mulige molekyler efter et, der passer til regningen. Men en begrænsning har været, at data kun eksisterer for en lille brøkdel af alle molekyler.

Nu har Masato Sumita fra RIKEN Center for Advanced Intelligence Project og hans medarbejdere demonstreret en ny strategi, der gør det muligt at søge i universet af molekyler uden at skulle lave hver forbindelse individuelt.

De brugte en de novo molekylegenerator, som anvender maskinlæring til at foreslå et molekyle baseret på de ønskede egenskaber. En simulator, der udfører kvantekemiske beregninger, blev derefter brugt til at forudsige molekylets egenskaber. Cyklussen blev gentaget op til en specificeret beregningstid.

For at demonstrere kraften i denne tilgang brugte holdet deres metode til at søge efter molekyler, der afgiver fluorescerende lys ved bølgelængder, der er synlige for det menneskelige øje. Efter fem dages talknakning kom computeren med mere end 3.600 kandidatmolekyler. Holdet udvalgte otte af dem til at syntetisere og fandt ud af, at seks af dem var fluorescerende – inklusive en forbindelse, der aldrig var blevet rapporteret før.

"Dette er første gang, en de novo molekylegenerator kombineret med kvantekemiberegninger er blevet brugt til at opdage fluorescerende molekyler," siger Sumita. "Jeg var meget overrasket over metodens høje succesrate - 75 % af de otte kandidatmolekyler fluoreserede, da vi lavede dem i laboratoriet."

Søgningen efter et fluorescerende molekyle var en streng test for metoden, da fluorescens i modsætning til simplere molekylære egenskaber såsom lysabsorption er en flertrinsproces, hvilket gør det svært at forudsige ud fra molekylær struktur.

Sumita og hans team offentliggjorde deres resultater i Science Advances . De har nu til hensigt at anvende deres metode til andre kemiske egenskaber og forsøge at bruge den til at optimere mere end én egenskab samtidigt. + Udforsk yderligere

AI-teknik indsnævret til kun at foreslå kandidatmolekyler, der kan produceres i et laboratorium