MIT 팀은 기계 학습 폐쇄 루프 자율 분자 발견 플랫폼을 사용하여 303개의 새로운 분자를 성공적으로 발견, 합성 및 설명했습니다.

편집자 |

화학자들이 자동화 장비와 예측 합성 알고리즘을 점점 더 많이 사용함에 따라 자율 연구 장비가 점점 현실에 가까워지고 있습니다.

최근 MIT 연구원들은 원하는 특성을 가진 분자 설계를 가속화하기 위해 통합 기계 학습 도구로 구동되는 폐쇄 루프 자율 분자 발견 플랫폼을 개발했습니다. 수동 실험 없이 화학 공간을 탐색하고 알려진 화학 구조를 활용합니다.

두 가지 사례 연구에서 플랫폼은 3000개 이상의 반응을 시도했으며 그 중 1000개 이상이 예측된 반응 생성물을 생성했으며 보고되지 않은 303개의 염료 유사 분자가 제안, 합성 및 특성화되었습니다.

"자율적, 다중 특성 기반 분자 발견: 예측에서 측정까지"라는 제목의 이 연구는 2023년 12월 22일 "Science"에 게재되었습니다.

논문 링크: https://www.science.org/doi/10.1126/science.adi1407

원하는 기능적 특성을 가진 작은 분자를 발견하는 것은 건강, 에너지 및 지속 가능한 개발의 발전에 매우 중요합니다. 프로세스는 일반적으로 느리고 힘든 반복적인 DMTA(설계-제작-테스트-분석) 주기를 통해 진행됩니다.

새로운 기계 학습(ML) 도구는 CASP(컴퓨터 지원 합성 계획)를 통해 새로운 후보 분자를 생성하고, 그 특성을 예측하고, 반응 경로를 제안할 수 있습니다. 화학 자동화의 발전으로 수동 설정 후 사람의 개입을 최소화하면서 화학 합성 및 특성 분석이 가능해졌습니다.

ML 생성 알고리즘, ML 특성 예측, CASP, 로봇 공학 및 자동화된 화학 합성, 정제 및 특성화를 DMTA 워크플로우에 통합하면 수동 재구성 없이도 다양한 화학 공간에서 작동할 수 있는 자율 화학 발견 플랫폼을 개발할 수 있습니다. 이상적인 속성 중심 발견 플랫폼은 분자를 제안 및 합성하여 기계 학습 생성 및 속성 모델을 강화하고 궁극적으로 최고의 성능을 발휘하는 분자를 발견합니다. 실제로 사용 가능한 자동화 하드웨어로 안전하게 수행할 수 없는 반응을 배제하는 것이 필요합니다.

자율 발견을 가능하게 하기 위해 MIT 연구팀은 분자를 반복적으로 제안, 구현 및 특성화하고 예측 도구로만 안내되는 화학적 공간을 탐색하는 통합 DMTA 루프를 시연합니다.

그래프 완성은 모델을 생성하여 후보 분자를 설계하고 ML 모델을 사용하여 이러한 세 가지 속성 각각에 대해 평가합니다. CASP 도구는 자동화된 액체 처리기, 배치 반응기, 고성능 액체 크로마토그래피(HPLC) 및 로봇 팔에 의해 수행되는 다단계 합성 레시피를 제안합니다. 플레이트 리더는 흡수 스펙트럼을 측정하고, 보정된 HPLC 머무름 시간은 물-옥탄올 분배 계수를 제공하며, 시뮬레이션된 태양광 광원을 플레이트 리더와 결합하여 광산화 분해를 정량화합니다. 측정된 분자 특성은 특성 예측 모델을 재교육하기 위해 자동으로 피드백되어 자동화된 DMTA 사이클의 한 단계를 완료합니다.

통합 플랫폼 개요와 플랫폼에서 예측하고 성공적으로 실행한 반응입니다. (출처: 논문)

연구원들은 저분자 유기 염료에 대한 두 가지 분자 발견 사용 사례에서 플랫폼을 시연했습니다. (i) 알려지지 않은 화학적 공간 탐색 및 (ii) 알려진 화학적 공간 활용. 플랫폼은 필요에 따라 워크플로우를 실행하고 자동으로 조정합니다. 반복 도중과 반복 사이에는 목표 설정 및 조정, 필요한 자료 제공, 막힌 HPLC 장치와 같은 복구 불가능한 오류 수정으로 제한됩니다.

사례 연구를 통해 화학적 예측과 시도를 살펴보세요. (출처: 논문)

원하는 부동산 공간을 포괄하는 후보를 구현하는 데 필요한 광범위한 반응 클래스를 포괄하는 다단계 반응 경로를 실행하려면 플랫폼 유연성이 중요합니다. 이 연구는 분자 염료, 다양한 화학 및 복잡한 분자 특성을 가진 모델 시스템을 대상으로 하여 이 플랫폼의 기능을 검증합니다. 두 가지 사례 연구에서 플랫폼은 3000개 이상의 반응을 시도했으며 그 중 1000개 이상은 예측된 반응 생성물을 생성하여 보고되지 않은 303개의 분자에 대한 다단계 반응 경로를 완료했습니다(즉, 출판 전 CAS 등록 번호 없음).

두 사례 연구 모두 최대 흡수, 분배 계수 및 광산화 안정성이 목표 특성이었으며 플랫폼은 각 특성을 자동으로 측정하고 기록하여 모델 예측을 개선하고 향후 실험 선택을 알려줍니다.

연구원들은 다음과 같이 말했습니다. "향후 플랫폼 반복에서는 예측 기능, 특히 반응 충실도, 조건 권장 및 분자 생성은 물론 분석 도구의 개선으로 이점을 얻을 수 있습니다. 폐쇄 루프 통합 플랫폼의 지속적인 개발은 계속되는 방법입니다. 분자발견을 가속화합니다." 희망의 길."

위 내용은 MIT 팀은 기계 학습 폐쇄 루프 자율 분자 발견 플랫폼을 사용하여 303개의 새로운 분자를 성공적으로 발견, 합성 및 설명했습니다.의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!