La espectrometría de masas en tándem es una poderosa herramienta analítica que se utiliza para caracterizar mezclas complejas en el descubrimiento de fármacos y otros campos.

Ahora, Los innovadores de la Universidad de Purdue han creado un nuevo método para aplicar conceptos de aprendizaje automático al proceso de espectrometría de masas en tándem para mejorar el flujo de información en el desarrollo de nuevos fármacos. Su trabajo se publica en Ciencia química .

"La espectrometría de masas juega un papel integral en el descubrimiento y desarrollo de fármacos, "dijo Gaurav Chopra, profesor asistente de química analítica y física en la Facultad de Ciencias de Purdue. "La implementación específica del aprendizaje automático bootstrapped con una pequeña cantidad de datos de entrenamiento positivos y negativos que se presentan aquí allanará el camino para convertirse en la corriente principal en las actividades diarias de automatización de la caracterización de compuestos por parte de los químicos".

Chopra dijo que hay dos problemas importantes en el campo del aprendizaje automático utilizado para las ciencias químicas. Los métodos utilizados no proporcionan una comprensión química de las decisiones que toma el algoritmo, y los nuevos métodos no se utilizan normalmente para realizar pruebas experimentales a ciegas para ver si los modelos propuestos son precisos para su uso en un laboratorio químico.

"Hemos abordado estos dos elementos para una metodología que es selectiva de isómeros y extremadamente útil en las ciencias químicas para caracterizar mezclas complejas, identificar reacciones químicas y metabolitos de fármacos, y en campos como la proteómica y la metabolómica, "Dijo Chopra.

Los investigadores de Purdue crearon modelos de aprendizaje automático estadísticamente sólidos para trabajar con menos datos de entrenamiento, una técnica que será útil para el descubrimiento de fármacos. El modelo analiza un reactivo neutro común, llamado 2-metoxipropeno (MOP), y predice cómo los compuestos interactuarán con MOP en un espectrómetro de masas en tándem para obtener información estructural de los compuestos.

"Esta es la primera vez que el aprendizaje automático se combina con reacciones diagnósticas de moléculas de iones en fase gaseosa, y es una combinación muy poderosa, liderando el camino hacia la identificación espectrométrica de masas completamente automatizada de compuestos orgánicos, "dijo Hilkka Kenttämaa, el Profesor Distinguido Frank Brown de Química Analítica y Química Orgánica. "Ahora estamos introduciendo muchos reactivos nuevos en este método".

El equipo de Purdue presenta diagramas de flujo de reactividad química para facilitar la interpretación química de las decisiones tomadas por el método de aprendizaje automático que serán útiles para comprender e interpretar los espectros de masas para obtener información estructural.