日前，科學(xué)家們試圖運用人工智能來代替化學(xué)家們的傳統(tǒng)建模方法，以達到更快地破解分子結(jié)構(gòu)的目的。

一種藥物被制造出來，科學(xué)家必須要了解該藥物的活性成分進入人體會如何表現(xiàn)。這就要求科學(xué)家要詳細了解藥物們確切的原子結(jié)構(gòu)，通常采用的方法是磁共振和密度泛函理論相結(jié)合的技術(shù)。核磁共振技術(shù)通常用于探測原子之間的磁場，并確定相鄰原子之間是如何相互作用的。然而，通過核磁共振測定完整的晶體結(jié)構(gòu)，需要極其復(fù)雜且非常耗時的量子化學(xué)計算，這對于結(jié)構(gòu)非常復(fù)雜的分子而言難度非常大，同時需要配合密度泛函理論（DFT）技術(shù)來進行計算工作。DFT技術(shù)使用復(fù)雜的量子化學(xué)計算來映射特定區(qū)域內(nèi)的電子密度，這個過程中需要進行非常大量的計算。

瑞士洛桑聯(lián)邦理工學(xué)院（EPFL）的科學(xué)家們建立了一個名為ShiftML的機器學(xué)習(xí)程序，并利用來自CambridgeStructuralDatabase的數(shù)據(jù)對ShiftML進行了訓(xùn)練，其中2000個化合物結(jié)構(gòu)用于對ShiftML的訓(xùn)練和驗證，另外500個用于對其進行測試。這個數(shù)據(jù)庫中包含數(shù)千種化合物計算得出的DFT化學(xué)位移，其中每一個化合物都由不到200個原子組成。研究人員表示，即使對于相對簡單的分子，ShiftML的計算速度也比現(xiàn)有的方法快了將近1萬倍。

尤其是面對復(fù)雜的化合物，AI測定藥物分子結(jié)構(gòu)的優(yōu)勢會更加明顯。研究小組希望未來的ShiftML可以用來輔助藥物設(shè)計工作。“這項研究是非常令人興奮的，因為大幅度加速計算時間可以讓我們能夠覆蓋更大的構(gòu)象空間，并準(zhǔn)確界定那些以前無法確定的結(jié)構(gòu)，”研究論文的共同作者之一、EPFL的化學(xué)教授LyndonEmsley博士表示：“ShiftML可以讓現(xiàn)代的大多數(shù)復(fù)雜藥物分子觸手可及。”

如今，ShiftML已經(jīng)可以開源使用，任何人都可以在平臺上上傳分子，并獲得其核磁共振特征。