Trasformare un nuovo farmaco da un insieme di ingredienti liquidi in un laboratorio a una pillola in una scatola può essere un esercizio di chimica complessa. Per capire meglio come si cristallizzano gli ingredienti dei farmaci, I ricercatori di UConn hanno estratto una vasta raccolta di dati sperimentali forniti da Pfizer. Hanno riportato le loro scoperte nella storia di copertina del giornale del 28 febbraio CrystEngComm .

Molte medicine vengono assunte in forma cristallina solida come pillole. Ma capire il modo migliore per convincere un farmaco in forma solida è un problema complicato. Ci sono molti diversi solventi in cui gli ingredienti dei farmaci possono essere sciolti, e molte procedure diverse che potrebbero far cristallizzare il farmaco. Condizioni di trattamento, come temperatura e pressione, può anche avere un effetto profondo. Ci sono così tante variabili diverse - cose che potrebbero cambiare il risultato - coinvolte che l'apprendimento automatico potrebbe essere il modo migliore per attaccare un problema così complicato.

Pfizer ha stretto una collaborazione con lo scienziato dei materiali UConn Serge Nakhmanson e i suoi colleghi del Dipartimento di scienza e ingegneria dei materiali per valutare gli approcci di apprendimento automatico per la loro utilità. Estrazione dei dati, speravano, potrebbe aiutare a capire il modo migliore per far cristallizzare un composto farmaceutico. Utilizzando i dati di Pfizer e le relative competenze, il team dei materiali dell'UConn ha testato tre diversi algoritmi informatici. Gli algoritmi sono indicati come apprendimento automatico perché il computer li utilizza per costruire modelli matematici dei dati, trovare modelli, e poi "imparare" da quei modelli per fare previsioni accurate.

studente laureato di Nakhmanson, Ayana Ghosh, hanno scoperto che l'algoritmo Random Forest Regression (RFR) ha fornito le previsioni di cristallizzazione più accurate. Inoltre, La RFR è stata l'unica in grado di identificare i tratti che avrebbero reso le molecole farmaceutiche più facili da cristallizzare; Per esempio, se una molecola pesa meno di X e ha un certo numero di legami idrogeno, la probabilità che possa essere cristallizzata con successo è aumentata.

"Questo è esattamente il tipo di informazioni di cui un chimico sintetico avrebbe bisogno per decidere come realizzare un nuovo farmaco sotto forma di pillola, " afferma Nakhmanson. "La tecnica di apprendimento automatico RFR è davvero utile per stabilire quali parametri sono importanti per la cristallizzazione e quali no".