Dans le monde des molécules, la chiralité est une propriété fondamentale qui peut avoir un impact profond sur leur comportement. Les molécules chirales, qui sont des images miroir les unes des autres mais non superposables, présentent des propriétés uniques qui peuvent tout influencer, de leur activité biologique à leurs interactions avec la lumière. En conséquence, la détermination de la chiralité est une tâche essentielle dans de nombreux domaines, notamment la chimie, la pharmacie et la science des matériaux.

La détermination de la chiralité repose traditionnellement sur des techniques telles que la rotation optique, le dichroïsme circulaire et la cristallographie aux rayons X. Cependant, ces méthodes nécessitent souvent un équipement et une expertise spécialisés, ce qui les rend peu pratiques pour un criblage à haut débit ou une analyse en temps réel.

Aujourd'hui, des chercheurs de l'Université de Californie à Berkeley ont développé un nouvel algorithme qui fait passer la détermination de la chiralité à un niveau supérieur. L’algorithme, appelé ChiralNet, utilise l’apprentissage profond pour identifier les molécules chirales avec une précision et une efficacité sans précédent.

L’équipe de recherche a formé ChiralNet sur un ensemble de données de plus de 100 000 molécules chirales, comprenant à la fois des énantiomères (images miroir) et des diastéréomères (stéréoisomères sans image miroir). L’algorithme a pu classer correctement la chiralité de plus de 99 % des molécules de l’ensemble de données.

ChiralNet est non seulement précis, mais il est également extrêmement rapide. L'algorithme peut classer la chiralité d'une seule molécule en moins d'une seconde, ce qui le rend adapté aux applications de criblage à haut débit.

De plus, ChiralNet peut être utilisé avec diverses données d'entrée, notamment des données sur la structure moléculaire, des spectres vibrationnels et des spectres de masse. Cette flexibilité rend l’algorithme largement applicable dans différents domaines et contextes.

Le développement de ChiralNet représente une avancée majeure dans la détermination de la chiralité. La précision, la rapidité et la polyvalence de l'algorithme en font un outil puissant pour les chercheurs et les scientifiques travaillant dans divers domaines.

En plus de son potentiel pour la détermination de la chiralité, l’équipe de recherche estime que ChiralNet pourrait également être utilisé pour d’autres tâches liées à la prédiction de la structure moléculaire et des propriétés. Ce potentiel passionnant ouvre de nouvelles voies pour la recherche et l’innovation dans le domaine des sciences moléculaires.