Главное
- Проблема: в жидкостной хромато-масс-спектрометрии ключевой шаг идентификации неизвестных малых молекул — сопоставить измеренное время удерживания с предполагаемой структурой. Однако прогноз времени удерживания давно опирался на подгонку под конкретную систему и перестаёт работать при смене системы.
- Метод: «2-step» превращает прогноз времени удерживания в переносимый, готовый к использованию инструмент, который даёт точные предсказания на новых системах без переобучения. Уже есть программный пакет и веб-приложение.
- Применение: разработка лекарств, изучение природных соединений (поиск новых антибиотиков и противораковых веществ), экологический анализ, пищевая химия — везде, где в сложном образце нужно ответить на вопрос «что это за молекула?».
Комментарий
Ценность работы не в изощрённости модели, а в переносимости: лаборатории могут пользоваться методом, не собирая собственных больших наборов данных. Статья опубликована в Nature Methods, а авторы прямо заявляют, что метод можно встроить в основные аналитические программы. Для передовых лабораторий масс-спектрометрии это может в ближайшие годы стать кнопкой, присутствующей по умолчанию в программном обеспечении приборов.
Ссылка на оригинал: AI method predicts retention times of small molecules more reliably. Текст является кратким изложением и приведён только для справки.
