MIT チームは、機械学習閉ループ自律分子発見プラットフォームを使用して、303 個の新しい分子の発見、合成、記述に成功しました。

編集者 | プッシュされました。

化学者が自動化装置や予測合成アルゴリズムを使用することが増えているため、自律的な研究施設が近づいています。

最近、MIT の研究者らは、統合機械学習ツールを活用した閉ループ自律分子発見プラットフォームを開発し、望ましい特性を持つ分子の設計を加速しました。手作業で実験することなく、化学空間を探索し、既知の化学構造を活用します。

2 つのケーススタディにわたって、プラットフォームは 3,000 を超える反応を試み、そのうち 1,000 を超える反応生成物が予測され、303 の未報告の色素様分子が提案、合成、特性評価されました。

この研究は「自律的、多特性駆動型分子発見: 予測から測定へ、そしてその逆へ」と題され、2023年12月22日に「サイエンス」誌に掲載されました。

論文リンク: https://www.science.org/doi/10.1126/science.adi1407

望ましい機能特性を持つ小分子を発見する健康、エネルギー、持続可能性の進歩。このプロセスは通常、時間がかかり、手間のかかる反復的な設計、製造、テスト、分析 (DMTA) サイクルを経て進行します。

新興の機械学習 (ML) ツールは、コンピューター支援合成計画 (CASP) を通じて、新しい候補分子を生成し、その特性を予測し、反応​​経路を提案できます。化学自動化の進歩により、手動セットアップ後の人間の介入を最小限に抑えて化学合成と特性評価が可能になります。

ML 生成アルゴリズム、ML 特性予測、CASP、ロボット工学、自動化された化学合成、精製、特性評価を DMTA ワークフローに統合することで、多様な化学空間で実験を実行できる自律的な化学発見プラットフォームの開発が可能になります。手動で再構成する必要はありません。理想的な特性中心の発見プラットフォームは、機械学習の生成と特性モデルを強化するために分子を提案および合成し、最終的に最高のパフォーマンスを発揮する分子を発見します。実際には、利用可能な自動化ハードウェアでは安全に実行できない反応を除外する必要があります。

自律的な発見を可能にするために、MIT の研究チームは、分子の提案、実装、特性評価を繰り返し、予測ツールのみによって導かれる化学空間を探索する統合 DMTA ループを実証します。

グラフ補完は、候補分子を設計するためのモデルを生成し、ML モデルを使用してこれらの 3 つの特性それぞれについて評価します。 CASP ツールは、自動リキッド ハンドラー、バッチ リアクター、高速液体クロマトグラフィー (HPLC)、およびロボット アームによって実行される複数ステップの合成レシピを提案します。プレートリーダーは吸収スペクトルを測定し、校正された HPLC 保持時間により水 - オクタノール分配係数が得られ、模擬太陽光光源がプレートリーダーと組み合わされて光酸化分解を定量化します。測定された分子特性は、特性予測モデルを再トレーニングするために自動的にフィードバックされ、自動化された DMTA サイクルの 1 つのステップが完了します。

統合プラットフォームの概要、およびプラットフォームが予測して正常に実行する応答。 (出典: 論文)

研究者らは、(i) 未知の化学空間の探索、(ii) 既知の化学空間の活用という、小分子有機色素の 2 つの分子発見ユースケースでプラットフォームを実証しました。プラットフォームは、必要に応じてワークフローを実行して自動的に調整します。反復中および反復間の人間の介入は、目標の設定と調整、必要な材料の提供、場合によっては HPLC ユニットの詰まりなどの回復不能なエラーの修正に限定されます。

化学的な予測とケーススタディの試みを調べてください。 (出典: 論文)

プラットフォームの柔軟性は、目的の特性空間をカバーする候補を実装するために必要な幅広い反応カテゴリーを網羅する多段階の反応経路を実行するために重要です。この研究では、分子色素、多様な化学的性質および複雑な分子特性を備えたモデルシステムをターゲットとすることで、このプラットフォームの機能を検証しています。 2 つのケーススタディにわたって、プラットフォームは 3,000 を超える反応を試み、そのうち 1,000 を超える反応で予測された反応生成物が生成され、303 の未報告分子（つまり、出版前に CAS アクセッション番号がなかった）の多段階反応経路が完了しました。

どちらのケーススタディでも、吸収極大、分配係数、光酸化安定性がターゲット特性であり、プラットフォームはモデル予測を改良し、将来の実験選択に情報を提供するために各特性を自動的に測定および記録しました。

研究者らは次のように述べています:「プラットフォームの今後の反復では、分析ツールだけでなく、特に反応忠実度、条件推奨、分子生成などの予測機能の向上による恩恵を受けるでしょう。閉ループ統合プラットフォームの継続的な開発は継続される予定です」分子発見を加速する有望な道。」

以上がMIT チームは、機械学習閉ループ自律分子発見プラットフォームを使用して、303 個の新しい分子の発見、合成、記述に成功しました。の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。