In due lavori pubblicati su ACS Central Science e Chemical Communications un gruppo di ricercatori dell’Università di Cambridge dichiara di aver progettato un nuovo algoritmo di apprendimento automatico che riesce a prevedere come terminano le reazioni chimiche con una precisione molto più elevata rispetto ad altri sistemi informatici simili.
Questo nuovo algoritmo potrebbe rivelarsi utilissimo per creare molecole complesse e in generale per automatizzare uno dei passaggi più difficili nella scoperta di nuovi farmaci. La fase di sperimentazione delle reazioni chimiche può essere infatti molto costosa sia economicamente sia in termini di tempo perché molte delle sperimentazioni possono concludersi con un fallimento.
Secondo i ricercatori di Cambridge, l’algoritmo può prevedere gli esiti delle reazioni chimiche complesse con una precisione che supera il 90%, un livello di precisione che si può considerare superiore anche a personale umano addestrato.
“La produzione di molecole viene spesso descritta come un’arte realizzata con la sperimentazione di prove ed errori perché la nostra comprensione della reattività chimica è tutt’altro che completa”, riferisce Alpha Lee del Cavendish Laboratory di Cambridge, uno dei ricercatori impegnati negli studi che hanno portato alla creazione del nuovo algoritmo. “Gli algoritmi di apprendimento automatico possono comprendere meglio la chimica perché distillano i modelli di reattività da milioni di reazioni chimiche pubblicate, cosa che un chimico non può fare.”
Approfondimenti
- AI learns the language of chemistry to predict how to make medicines | University of Cambridge (IA)
- Molecular Transformer: A Model for Uncertainty-Calibrated Chemical Reaction Prediction | ACS Central Science (IA) (DOI: 10.1021/acscentsci.9b00576 )
- Molecular Transformer unifies reaction prediction and retrosynthesis across pharma chemical space – Chemical Communications (RSC Publishing) (IA) (DOI: 10.1039/C9CC05122H )
