Credito:Pixabay/CC0 Dominio pubblico
Un algoritmo progettato dai ricercatori del dipartimento di biologia computazionale della Carnegie Mellon University e dell'Università statale di San Pietroburgo in Russia potrebbe aiutare gli scienziati a identificare molecole sconosciute. L'algoritmo, chiamato MolDiscovery, utilizza i dati della spettrometria di massa dalle molecole per prevedere l'identità di sostanze sconosciute, dire agli scienziati all'inizio della loro ricerca se si sono imbattuti in qualcosa di nuovo o hanno semplicemente riscoperto qualcosa di già noto.
Questo sviluppo potrebbe far risparmiare tempo e denaro nella ricerca di nuovi prodotti naturali che potrebbero essere utilizzati in medicina.
"Gli scienziati perdono molto tempo isolando molecole che sono già note, essenzialmente riscoprendo la penicillina, " disse Hosein Mohimani, un assistente professore e parte del gruppo di ricerca. "Rilevare in anticipo se una molecola è nota o meno può far risparmiare tempo e milioni di dollari, e, si spera, consentirà alle aziende farmaceutiche e ai ricercatori di cercare meglio nuovi prodotti naturali che potrebbero portare allo sviluppo di nuovi farmaci".
Il lavoro di squadra, "MolDiscovery:apprendimento della frammentazione della spettrometria di massa di piccole molecole, " è stato recentemente pubblicato in Comunicazioni sulla natura . Il team di ricerca includeva Mohimani; CMU Ph.D. gli studenti Liu Cao e Mustafa Guler; Yi Yuan Lee, un assistente di ricerca presso CMU; e Azat Tagirdzhanov e Alexey Gurevich, entrambi ricercatori del Center for Algorithmic Biotechnology della St. Petersburg State University.
Mohimani, la cui ricerca nel Laboratorio di Metabolomica e Metagenomica si concentra sulla ricerca di nuovi, farmaci naturali, ha detto dopo che uno scienziato ha rilevato una molecola che promette bene come potenziale farmaco in un campione marino o del suolo, Per esempio, può volerci un anno o più per identificare la molecola senza alcuna garanzia che la sostanza sia nuova. MolDiscovery utilizza misurazioni di spettrometria di massa e un modello di apprendimento automatico predittivo per identificare le molecole in modo rapido e preciso.
Le misurazioni della spettrometria di massa sono le impronte digitali delle molecole, ma a differenza delle impronte digitali non c'è un enorme database con cui confrontarle. Anche se sono state scoperte centinaia di migliaia di molecole naturali, gli scienziati non hanno accesso ai loro dati di spettrometria di massa. MolDiscovery prevede l'identità di una molecola dai dati della spettrometria di massa senza fare affidamento su un database di spettri di massa per confrontarla.
Il team spera che MolDiscovery sarà uno strumento utile per i laboratori nella scoperta di nuovi prodotti naturali. MolDiscovery potrebbe lavorare in tandem con NRPminer, una piattaforma di apprendimento automatico sviluppata dal laboratorio di Mohimani, che aiuta gli scienziati a isolare i prodotti naturali. Anche la ricerca relativa a NRPminer è stata recentemente pubblicata in Comunicazioni sulla natura .