ทีมพัฒนาเครือข่ายประสาทเทียมรุ่นใหม่ที่สามารถทำนายคุณสมบัติของสารอินทรีย์ได้

Anonim

นักวิทยาศาสตร์จากรัสเซียเอสโตเนียและสหราชอาณาจักรได้สร้างวิธีการใหม่ในการทำนายปัจจัยการสลายตัวทางชีวภาพ (BCF) ของโมเลกุลอินทรีย์ การใช้รูปแบบการโต้ตอบทางเคมีและเคมีแบบดั้งเดิมระหว่างตัวทำละลายกับวิธีการเรียนรู้ด้วยตัวเครื่องขั้นสูงและตัวทำละลายวิธีการใหม่นี้ทำให้สามารถคาดการณ์คุณสมบัติที่ซับซ้อนของสารได้โดยใช้ข้อมูลอินพุตขั้นต่ำ ผลการศึกษาได้ตีพิมพ์ใน วารสารฟิสิกส์: Condensed Matter

หนึ่งในลักษณะที่สำคัญที่สุดของสารอินทรีย์ BCF แสดงให้เห็นถึงปริมาณของสารที่มีความเข้มข้นในเนื้อเยื่อเมื่อเทียบกับปริมาณสารที่มีอยู่ในสิ่งแวดล้อมในสภาวะสมดุล BCF ใช้กันอย่างกว้างขวางในการประเมินความปลอดภัยของสารเคมีต่างๆและสามารถวัดได้ในทางปฏิบัติ ตัวอย่างเช่นคุณสามารถวางสารเคมีทดสอบในถังปลารอจนกว่าจะถึงจุดสมดุลและวัดความเข้มข้นทั้งในปลาและในน้ำ แต่ถ้าคุณต้องการคำนวณ BCF ตามการคำนวณเพียงอย่างเดียว

วิธีหนึ่งในการทำเช่นนี้คือการสร้างชุดของพารามิเตอร์โมเลกุล (descriptors) และสร้างแบบจำลองทางคณิตศาสตร์ขึ้นอยู่กับปัจจัยการผลิตเหล่านี้ แบบจำลองสามารถเปลี่ยนได้อย่างถูกต้อง แต่อาจเป็นเรื่องยากที่จะตีความเนื่องจากมีพารามิเตอร์จำนวนมาก และแย่กว่านั้นรูปแบบอาจไม่ทำงานได้ดีสำหรับสารประกอบต่างกันอย่างมากจากชุดฝึกซ้อม

วิธีที่สองใช้ทฤษฎีโมเลกุลของของเหลวที่อธิบายถึงพฤติกรรมของสารในสารละลาย อย่างไรก็ตามความเข้มข้นทางชีวภาพเป็นตัวแปรที่ซับซ้อนซึ่งขึ้นอยู่กับหลายปัจจัยดังนั้นจึงแทบจะไม่สามารถทำนายได้ด้วยการใช้ทฤษฎีทางเคมีฟิสิกส์โดยตรง

นักวิทยาศาสตร์จาก Skoltech มหาวิทยาลัย Tartu (Estonia) และ University of Strathclyde (UK) นำโดย Skoltech ศาสตราจารย์ Maxim Fedorov ได้พัฒนาวิธีการทำนายแบบ BCF แบบไฮบริดซึ่งประกอบด้วยขั้นตอนสองขั้นตอนประการแรกนักวิจัยทำการคำนวณทางกายภาพเคมีเพื่อหา 3 -D ความหนาแน่นของไฮโดรเจนและออกซิเจนรอบ ๆ โมเลกุลที่กำลังศึกษาอยู่แล้วใช้เครือข่ายประสาทเทียม 3 มิติซึ่งเป็นเทคโนโลยีที่ใช้ในการรับรู้ภาพได้สำเร็จ วิธีนี้แสดงให้เห็นว่าคุณสมบัติเชิงซ้อนของสารอินทรีย์สามารถอธิบายได้แม้จะมีข้อมูลป้อนเข้าจำนวนน้อยก็ตาม

"วิธีการของเราจะทำให้การคาดเดาผลกระทบด้านสิ่งแวดล้อมของสารที่กำหนดได้ง่ายกว่ามาก แต่สิ่งที่สำคัญที่สุดคือเราได้พัฒนาวิธีการสากลในการอธิบายโมเลกุลในรูปแบบที่สามารถถ่ายโอนภาพ 3 มิติของมันไปได้ 3-D เครือข่ายประสาทเทียมในระยะยาววิธีการของเราจะช่วยในการทำนายคุณสมบัติของโมเลกุล "แปลกใหม่" และสารประกอบใหม่ ๆ ซึ่งวิธีการสร้างความสัมพันธ์ระหว่างโครงสร้างและคุณสมบัติไม่ได้ผล "ผู้เขียนรายแรกและ Skoltech Ph.D กล่าว. นักศึกษา Sergey Sosnin

menu
menu