Aviso: Esta página é uma tradução automática da página original em inglês. Por favor note uma vez que as traduções são geradas por máquinas, não tradução tudo será perfeita. Este site e suas páginas da Web destinam-se a ler em inglês. Qualquer tradução deste site e suas páginas da Web pode ser imprecisas e imprecisos no todo ou em parte. Esta tradução é fornecida como uma conveniência.

O sistema ESPERTO do ` Novo' guardara o potencial acelerar o processo da identificação da estrutura molecular

Uma equipe interdisciplinar dos pesquisadores na Universidade Da California San Diego desenvolveu um método para identificar as estruturas moleculars de produtos naturais que fosse significativamente mais rápido e mais exacto do que métodos existentes. O método trabalha como o reconhecimento facial para estruturas moleculars--usa uma parte de dados espectrais originais a cada molécula e executa-a então através de uma rede neural de aprendizagem profunda para colocar a molécula desconhecida em um conjunto de moléculas com estruturas similares.

O sistema novo patente-pendente é chamado “SMART,” que representa a Tecnologia Exacta do Reconhecimento da Molécula Pequena, e tem o potencial acelerar a dez-dobra do processo da identificação da estrutura molecular. Esta revelação poderia representar uma SHIFT do paradigma nos campos da análise química, os farmacêuticos e da droga da descoberta desde que 70 por cento de todas as drogas Aprovados pelo FDA são baseados em produtos naturais tais como micro-organismos do solo, plantas terrestres e, cada vez mais, formulários de vida marinha tais como algas.

Este trabalho, publicado em Relatórios Científicos da Natureza, representa uma colaboração entre a Escola de Uc San Diego Jacobs da Engenharia e a Instituição de Uc San Diego Scripps da Oceanografia.

“A estrutura de uma molécula é a informação de possibilidade,” disse Bill Gerwick, professor da oceanografia e de ciências farmacêuticas na Instituição do Scripps de Uc San Diego da Oceanografia. “Você tem que ter a estrutura para toda a aprovação do FDA. Se você quer ter a propriedade que intelectual você tem que patentear essa estrutura, se você quer fazer analogs dessa molécula você precisa de conhecer o que a molécula começando é--é um fragmento de informação crítico.”

Chen Zhang é um estudante nanoengineering do Ph.D. na Escola de Uc San Diego Jacobs da Engenharia e no primeiro autor do papel Científico dos Relatórios da Natureza nova. Zhang disse que isso determinar a estrutura de uma molécula pode ser um gargalo no processo da pesquisa do produto natural, tomando a peritos meses e mesmo anos para determinar exactamente a estrutura correcta e completa. Quando cada molécula e seu espaço temporal da identificação forem diferentes, a aproximação ESPERTA dá a pesquisadores um indício adiantado no que família uma molécula nova caia abaixo, dràstica reduzindo o tempo onde tome para caracterizar um produto natural novo.

“A maneira que nós podíamos acelerar o processo é essencialmente usando o software facial do reconhecimento para olhar o fragmento de informação chave nós obtemos nas moléculas,” Gerwick explicou. O fragmento de informação chave os usos da equipe é algo chamado uma coerência singular heteronuclear do quantum ressonância magnética nuclear, ou HSQC NMR, espectro. Produz um mapa topológico dos pontos que revelam que protão na molécula são anexados directamente a que átomos de carbono, e é original a cada molécula.

Zhang e Gerwick teamed acima com Gary Cottrell, uma informática e professor da engenharia na Escola de Uc San Diego Jacobs da Engenharia, para desenvolver um sistema de aprendizagem profundo treinado com milhares de espectros de HSQC puxados da literatura. Esta rede neural circunvolucional toma uma 2D imagem do espectro NMR de HSQC de uma molécula desconhecida e de mapas ele em um espaço 10 dimensional aglomerado perto das moléculas similares, facilitando o para que os pesquisadores expliquem a estrutura de uma molécula desconhecida.

“Chen tomou esta aproximação a obter espectros NMR sobre de 4.000 compostos da literatura literalmente cortando as imagens do PDFs dos papéis,” Cottrell disse. “Era um esforço impressionante! Contudo, este não é normalmente bastante dados para treinar uma rede profunda, mas nós usamos uma tecnologia chamada uma rede Siamese, em que você treina em pares de imagens. Isto amplifica seu grupo do treinamento aproximadamente pelo quadrado do número de compostos em uma família, e é que feito este projecto praticável.”

Esta colaboração é a primeira vez que Gerwick mentored um estudante da engenharia, e a troca de frutuoso provado ideias.

“Foi uma interacção maravilhosa. Uc San Diego tem algo realmente bastante mágico sobre ele, e aquela está a uma profundidade da colaboração que ocorre entre departamentos--é fenomenal,” Gerwick disse. “Quando você tenta e toma pensativamente de uma outra disciplina algo que é talvez mesmo comum nessa disciplina e a aplica em uma maneira nova e original em nossa disciplina, é uma oportunidade realmente de ter este tipo da coisa dedeslocamento. E Eu penso esta tecnologia, com algum avanço, poderia ser uma SHIFT real do paradigma na maneira que nós fazemos todos os tipos da química e da análise química.”

A equipe obterá que possibilidade para agradecimentos do avanço a uma concessão $550.000 dos Institutos de Saúde Nacionais desenvolver os métodos eficientes que facilitam a classificação, a descoberta da característica e a elucidação estruturais automatizadas da estrutura de produtos naturais e construir uma infra-estrutura que interaja com a entrada de dados da comunidade.

Source: http://jacobsschool.ucsd.edu/news/news_releases/release.sfe?id=2353