米国のパーデュー大学の研究者は、機械学習とタンデム質量分析を組み合わせて、医薬品開発における情報の流れを改善しました。
タンデム質量分析は、医薬品開発における化合物を特徴付けるために使用される強力なツールです。で公開されているように化学科学、チームは、化学科学における機械学習の使用に関する2つの大きな問題を概説しました。現在使用されている方法は、アルゴリズムによって行われる決定の化学的理解を提供するものではなく、新しい方法は通常、盲目の実験テストでは使用されていないため、提案されたモデルが化学実験室で使用されるかどうかを確認します。
Purdueの科学大学の分析および物理化学の助教授であるGaurav Chopra氏は、次のように述べています。ここに提示された少量の肯定的および否定的なトレーニングデータを使用したブートストラップされた機械学習の特定の実装は、化学者による化合物の特性評価の日々の活動における主流になる方法を開きます。
「複雑な混合物を特徴付け、化学反応を識別し、を特徴付けるために化学科学で非常に有用な方法論のために、これらの両方の項目に対処しました薬物代謝産物、およびプロテオミクスやメタボロミクスなどのフィールドで。」
新しい機械学習モデル
Purdueの研究者は、より少ないトレーニングデータで動作する統計的に堅牢な機械学習モデルを作成しました。このモデルは、2-メトキシプロペン（MOP）と呼ばれる一般的な中性試薬を見て、化合物の構造情報を取得するために、化合物がタンデム質量分析計でMOPと相互作用する方法を予測します。
HilkkaKentämaa、Frank Brownの分析化学および有機化学の教授であるHilkkaKentämaaは、次のように述べています。有機化合物の完全に自動化された質量分析の同定への道をリードします。
Purdueチームは、構造情報の質量スペクトルを理解して解釈するのに役立つ機械学習方法による決定の化学的解釈を促進するために、化学反応性フローチャートを導入します。
