Un algorithme conçu par des chercheurs du département de biologie computationnelle de l'Université Carnegie Mellon et de l'Université d'État de Saint-Pétersbourg en Russie pourrait aider les scientifiques à identifier des molécules inconnues. L'algorithme, appelé MolDiscovery, utilise les données de spectrométrie de masse des molécules pour prédire l'identité de substances inconnues, dire aux scientifiques au début de leurs recherches s'ils sont tombés sur quelque chose de nouveau ou s'ils ont simplement redécouvert quelque chose de déjà connu.

Ce développement pourrait économiser du temps et de l'argent dans la recherche de nouveaux produits naturels qui pourraient être utilisés en médecine.

« Les scientifiques perdent beaucoup de temps à isoler des molécules déjà connues, redécouverte essentiellement de la pénicilline, " a déclaré Hosein Mohimani, professeur adjoint et membre de l'équipe de recherche. "Détecter très tôt si une molécule est connue ou non peut faire gagner du temps et des millions de dollars, et, espérons-le, permettra aux sociétés pharmaceutiques et aux chercheurs de mieux rechercher de nouveaux produits naturels qui pourraient déboucher sur le développement de nouveaux médicaments. »

Le travail de l'équipe, "MolDiscovery :Apprentissage de la Fragmentation par Spectrométrie de Masse de Petites Molécules, " a été récemment publié dans Communication Nature . L'équipe de recherche comprenait Mohimani; Doctorat CMU les étudiants Liu Cao et Mustafa Guler; Yi-Yuan Lee, un assistant de recherche à la CMU; et Azat Tagirdzhanov et Alexey Gurevich, tous deux chercheurs au Centre de biotechnologie algorithmique de l'Université d'État de Saint-Pétersbourg.

Mohimani, dont les recherches au Laboratoire de métabolomique et métagénomique se concentrent sur la recherche de nouvelles, médicaments naturels, dit après qu'un scientifique a détecté une molécule prometteuse en tant que médicament potentiel dans un échantillon marin ou de sol, par exemple, cela peut prendre un an ou plus pour identifier la molécule sans aucune garantie que la substance est nouvelle. MolDiscovery utilise des mesures de spectrométrie de masse et un modèle d'apprentissage automatique prédictif pour identifier les molécules rapidement et avec précision.

Les mesures de spectrométrie de masse sont les empreintes digitales des molécules, mais contrairement aux empreintes digitales, il n'y a pas de base de données énorme pour les comparer. Même si des centaines de milliers de molécules naturelles ont été découvertes, les scientifiques n'ont pas accès à leurs données de spectrométrie de masse. MolDiscovery prédit l'identité d'une molécule à partir des données de spectrométrie de masse sans s'appuyer sur une base de données de spectres de masse pour la comparer.

L'équipe espère que MolDiscovery sera un outil utile pour les laboratoires dans la découverte de nouveaux produits naturels. MolDiscovery pourrait fonctionner en tandem avec NRPminer, une plateforme de machine learning développée par le laboratoire de Mohimani, qui aide les scientifiques à isoler les produits naturels. Des recherches liées au NRPminer ont également été récemment publiées dans Communication Nature .