Определение всех возможных конформаций молекул, или их геометрий, представляет собой одну из наиболее сложных и значимых задач в молекулярном моделировании. Студент химического факультета МГУ имени М.В. Ломоносова, работая под руководством старшего научного сотрудника Группы теоретической химии Института органической химии имени Н.Д. Зелинского (ИОХ) РАН Михаила Медведева, создал систему искусственного интеллекта, способную указывать на наиболее вероятные места для поиска ранее не обнаруженных конформаций.
Что представляют собой конформеры? Молекулы обладают трехмерной структурой, что всегда учитывается при моделировании. В таких молекулах можно обнаружить атомы, соединенные одинарной связью и способные вращаться относительно друг друга. Состав и порядок соединения атомов при этом не меняются, однако изменяется их пространственное расположение, то есть геометрическая форма молекулы, которая и называется конформацией. Таким образом, различные геометрические формы молекул и есть конформеры.
Конформация оказывает непосредственное влияние на поведение молекулы в химической реакции. Геометрия молекулы может существенно определять такие характеристики, как цвет и биологическая активность. Поскольку одна из ключевых задач молекулярного моделирования – это прогнозирование поведения молекулы в химической реакции, учет конформаций становится необходимым. О том, как оптимизировать этот процесс с точки зрения скорости и надежности, «Научной России» рассказал руководитель проекта, кандидат физико-математических наук Михаил Медведев.
«При моделировании свойств молекулы необходимо учитывать все возможные ее геометрии. Для этого применяется конформационный поиск — процесс выявления всех возможных конформеров, что позволяет учесть их при предсказании химических или физических свойств. Современные методы не всегда позволяют обнаружить все конформеры, и до нашей работы не существовало надежного способа оценить, какие именно конформеры были упущены. Ранее приходилось повторять поиск, надеясь на случайное обнаружение пропущенных конформеров. В нашей работе мы разработали новый метод, основанный на искусственном интеллекте, который анализирует уже найденные конформеры и, на их основе, определяет, какие могли быть пропущены. Мы предоставляем этому ИИ информацию о возможных углах поворота каждой связи в молекуле — «физически информируем» его, — чтобы он мог точнее прогнозировать поведение молекулы Михаил Медведев.
В рамках нового подхода искусственный интеллект выступает в роли интеллектуального инструмента для исследователей. Сначала ученые формируют конформационный ансамбль, используя традиционный метод поиска, после чего искусственный интеллект, проанализировав этот ансамбль, определяет области конформационного пространства, требующие дальнейшего изучения. Кроме того, в процессе работы искусственный интеллект проходит дополнительное обучение, получая при этом новые данные.
«Наш метод позволяет точно определить область для проверки. Мы проводим квантово-химический расчет в указанной точке, чтобы выявить новый конформер, и передаем полученные данные обратно в систему искусственного интеллекта. ИИ использует эту информацию для дальнейшего обучения, анализирует поведение поверхности потенциальной энергии в данной области и выбирает следующую точку для анализа. Мы проверяем предложенную ИИ точку, дообучаем систему, снова определяем точку для проверки, и повторяем этот процесс до тех пор, пока не прекратим обнаруживать новые данные», — пояснил Михаил Медведев.
Новая методика позволяет значительно сократить время, необходимое для поиска конформеров, и приближает нас к полной автоматизации моделирования. Это может оказаться полезным во всех областях, где применяются методы теоретической химии для прогнозирования свойств молекул, например, при разработке лекарств, новых материалов и катализаторов.
Новость создана при содействии Министерства науки и высшего образования Российской Федерации