机器学习方法可识别未上市人造毒品，包含十亿药物结构

11月15日发表一项研究获得突破！研究团队创造了一种机器学习方法，可以仅利用质谱就确定未知的新型人造毒品的化学结构，了解这些结构能帮助法医实验室更快识别出疑似的人造毒品。

加拿大英属哥伦比亚大学研究人员迈克尔·斯金奈德及其同事，此次使用全球各地法医实验室众包的保密数据，训练了一个机器学习模型。他们所使用的算法也被称为深度神经网络，其灵感来自于人脑的结构和功能。机器学习产生了结构和性质都类似于近期人造毒品的分子。该模型随后产生了一个数据库，包含十亿种潜在新型精神药物的结构。用模型训练结束后新收集的数据测试该模型，发现这一方法可以仅用质谱就确定未知人造毒品。在准确结构难以精准确定的实例中，该模型建议的结构，与未知人造毒品非常相似。

研究人员发现，该模型还可帮助人们了解到哪些分子更有可能出现在市场上，哪些不太可能。研究人员总结说，用其他数据集训练的类似的生成方法，也可以帮助识别其他特定领域未知分子的结构，例如识别新型兴奋剂或者环境污染物。

研究资深作者、阿尔伯塔大学计算科学教授戴维·维斯哈特表示，这一模型意义有点类似2002年的科幻电影《少数派报告》，其可以对即将发生的犯罪活动有所预知，从而帮助显著减少犯罪，“从本质上讲，这一新成果为执法机构和公共卫生计划提供了一个所谓‘先机’，让他们知道需注意什么。”

该研究论文题为"A deep generative model enables automated structure elucidation of novel psychoactive substances"，已发表在《自然·机器智能》期刊上。

前瞻经济学人APP资讯组

参考资料：https://www.nature.com/articles/s42256-021-00407-x