Points clés
- Problème : en chromatographie liquide couplée à la spectrométrie de masse, une étape clé de l'identification des petites molécules inconnues consiste à faire correspondre le temps de rétention mesuré à la structure supposée. Or la prédiction des temps de rétention a longtemps reposé sur des ajustements propres à un système donné et échoue dès que celui-ci change.
- Méthode : « 2-step » fait de la prédiction du temps de rétention un outil transférable et prêt à l'emploi, qui donne des prédictions précises sur de nouveaux systèmes sans réentraînement. Un paquet logiciel et une application web existent déjà.
- Usages : découverte de médicaments, recherche sur les produits naturels (trouver de nouveaux antibiotiques et composés anticancéreux), analyse environnementale et chimie alimentaire, partout où il faut répondre à « quelle est cette molécule ? » dans un échantillon complexe.
Analyse
L'intérêt de ce travail ne tient pas à un modèle sophistiqué, mais à sa transférabilité : les laboratoires peuvent l'utiliser sans constituer leurs propres grands jeux de données. L'article est paru dans Nature Methods, et les auteurs précisent que la méthode peut être intégrée aux principaux logiciels d'analyse. Pour les laboratoires de spectrométrie de masse, cela pourrait devenir dans les prochaines années un bouton présent par défaut dans les logiciels des instruments.
Lien d'origine : AI method predicts retention times of small molecules more reliably. Ce texte est un résumé, fourni à titre indicatif uniquement.
