日前，科學(xué)家們試圖運用人工智能來(lái)代替化學(xué)家們的傳統建模方法，以達到更快地破解分子結構的目的。

一種藥物被制造出來(lái)，科學(xué)家必須要了解該藥物的活性成分進(jìn)入人體會(huì )如何表現。這就要求科學(xué)家要詳細了解藥物們確切的原子結構，通常采用的方法是磁共振和密度泛函理論相結合的技術(shù)。核磁共振技術(shù)通常用于探測原子之間的磁場(chǎng)，并確定相鄰原子之間是如何相互作用的。然而，通過(guò)核磁共振測定完整的晶體結構，需要極其復雜且非常耗時(shí)的量子化學(xué)計算，這對于結構非常復雜的分子而言難度非常大，同時(shí)需要配合密度泛函理論（DFT）技術(shù)來(lái)進(jìn)行計算工作。DFT技術(shù)使用復雜的量子化學(xué)計算來(lái)映射特定區域內的電子密度，這個(gè)過(guò)程中需要進(jìn)行非常大量的計算。

瑞士洛桑聯(lián)邦理工學(xué)院（EPFL）的科學(xué)家們建立了一個(gè)名為ShiftML的機器學(xué)習程序，并利用來(lái)自CambridgeStructuralDatabase的數據對ShiftML進(jìn)行了訓練，其中2000個(gè)化合物結構用于對ShiftML的訓練和驗證，另外500個(gè)用于對其進(jìn)行測試。這個(gè)數據庫中包含數千種化合物計算得出的DFT化學(xué)位移，其中每一個(gè)化合物都由不到200個(gè)原子組成。研究人員表示，即使對于相對簡(jiǎn)單的分子，ShiftML的計算速度也比現有的方法快了將近1萬(wàn)倍。

尤其是面對復雜的化合物，AI測定藥物分子結構的優(yōu)勢會(huì )更加明顯。研究小組希望未來(lái)的ShiftML可以用來(lái)輔助藥物設計工作。“這項研究是非常令人興奮的，因為大幅度加速計算時(shí)間可以讓我們能夠覆蓋更大的構象空間，并準確界定那些以前無(wú)法確定的結構，”研究論文的共同作者之一、EPFL的化學(xué)教授LyndonEmsley博士表示：“ShiftML可以讓現代的大多數復雜藥物分子觸手可及。”

如今，ShiftML已經(jīng)可以開(kāi)源使用，任何人都可以在平臺上上傳分子，并獲得其核磁共振特征。