算法使用质谱数据来预测分子的身份

该团队的工作“MolDiscovery：学习小分子的质谱碎片化”最近发表在《自然通讯》上。研究团队包括 Mohimani;CMU博士学生刘曹和穆斯塔法·古勒;CMU研究助理李奕元;以及圣彼得堡州立大学算法生物技术中心的研究人员 Azat Tagirdzhanov 和 Alexey Gurevich。

Mohimani 在代谢组学和宏基因组学实验室的研究重点是寻找新的天然药物，例如，在一位科学家检测到一种有望作为海洋或土壤样本中潜在药物的分子后，可能需要一年时间或更长的时间来识别分子，但不能保证该物质是新的。MolDiscovery 使用质谱测量和预测性机器学习模型来快速准确地识别分子。

质谱测量是分子的指纹，但与指纹不同的是，没有庞大的数据库来匹配它们。尽管已经发现了数十万种天然分子，但科学家们无法获得他们的质谱数据。MolDiscovery 从质谱数据中预测分子的身份，而无需依赖质谱数据库进行匹配。

该团队希望 MolDiscovery 将成为实验室发现新型天然产物的有用工具。MolDiscovery 可以与 Mohimani 实验室开发的机器学习平台 NRPminer 协同工作，帮助科学家分离天然产物。与 NRPminer 相关的研究最近也发表在Nature Communications 上。

Tags：

文章版权声明：除非注明，否则均为供水知识-GONGSHUI.CC原创文章，转载或复制请以超链接形式并注明出处。