मुख्य बिंदु
- समस्या: लिक्विड क्रोमैटोग्राफ़ी-मास स्पेक्ट्रोमेट्री में अज्ञात छोटे अणु की पहचान का एक अहम चरण मापे गए रिटेंशन टाइम को अनुमानित संरचना से मिलाना है। लेकिन रिटेंशन टाइम की भविष्यवाणी लंबे समय से किसी विशेष प्रणाली के अनुरूप फ़िटिंग पर निर्भर रही है और नई प्रणाली में विफल हो जाती है।
- विधि: "2-step" रिटेंशन टाइम की भविष्यवाणी को ऐसा हस्तांतरणीय, तुरंत इस्तेमाल होने वाला उपकरण बनाती है जो नई प्रणाली पर दोबारा प्रशिक्षण के बिना सटीक अनुमान देता है। इसके लिए सॉफ़्टवेयर पैकेज और वेब ऐप पहले से उपलब्ध हैं।
- उपयोग: दवा खोज, प्राकृतिक उत्पाद शोध (नए एंटीबायोटिक और कैंसर-रोधी पदार्थ खोजना), पर्यावरण विश्लेषण और खाद्य रसायन, यानी जहाँ भी जटिल नमूने में यह पहचानना हो कि "यह कौन-सा अणु है"।
विश्लेषण
इस काम का मूल्य मॉडल की चमक-दमक में नहीं, बल्कि "हस्तांतरणीयता" में है: प्रयोगशालाओं को अपना बड़ा डेटासेट जुटाए बिना इसे इस्तेमाल करने की सुविधा मिलती है। शोधपत्र Nature Methods में प्रकाशित हुआ है और लेखकों ने साफ़ कहा है कि यह विधि मुख्यधारा के विश्लेषण सॉफ़्टवेयर में जोड़ी जा सकती है। अग्रणी मास स्पेक्ट्रोमेट्री प्रयोगशालाओं के लिए यह आने वाले कुछ वर्षों में उपकरण सॉफ़्टवेयर का एक डिफ़ॉल्ट बटन बन सकता है।
स्रोत: AI method predicts retention times of small molecules more reliably। यह पाठ केवल संदर्भ के लिए तैयार किया गया सारांश है।
