Artikel ini direproduksi dengan izin dari DeepTech (ID: mit-tr)
Revolusi yang ditimbulkan oleh kecerdasan buatan masih berlanjut: dari diagnosis leukemia oleh robot Waston dalam waktu kurang dari 10 menit, hingga kekalahan pemain Go nomor satu dunia oleh AlphaGo; itu dapat dilihat di mana-mana dari medan perang hingga luar angkasa. Padahal, AI sudah merambah ke bidang penelitian ilmiah dan menjadi metode baru bagi para ilmuwan untuk melakukan penelitian akademis.
Sekarang, para ilmuwan telah membangun "Alphago" kimia: Para ilmuwan menerbitkan sebuah makalah tentang "Nature" yang membuktikan bahwa AI dapat melakukan analisis sintesis terbalik pada tingkat yang belum pernah terjadi sebelumnya.
Dalam penelitian kimia, sangat sulit untuk mensintesis senyawa kompleks dari bahan mentah sederhana. Sintesis terbalik adalah metode standar untuk merancang produksi senyawa. Artinya, ahli kimia menggunakan pemikiran terbalik untuk memulai dari molekul senyawa yang ingin mereka buat, dan kemudian menganalisis reagen dan urutan reaksi mana yang dapat dengan mudah diperoleh untuk mensintesisnya. Metode ini banyak digunakan untuk pembuatan obat dan produk lainnya.
Analisis sintesis terbalik Itu diusulkan oleh profesor Universitas Harvard E. J. Corey pada 1960-an. C Profesor Orey memenangkan Hadiah Nobel Kimia pada tahun 1990 karena menemukan metode ini.
Di masa lalu, para ilmuwan telah menggunakan sintesis organik dengan bantuan komputer untuk menyelesaikan proses analisis sintesis terbalik. Meskipun metode ini dapat meningkatkan efisiensi sintesis, metode bantuan komputer tradisional masih lambat dalam kecepatan sintesis dan massa molekul yang diberikan tidak merata. Manusia masih perlu mencari database reaksi kimia secara manual untuk menemukan cara terbaik membuat molekul.
Gambar Marwin Segler
Alat AI baru yang dikembangkan oleh tim Segler telah sangat mempersingkat proses ini. Di masa mendatang, kecepatan penemuan obat baru atau produk lain oleh manusia diharapkan mencapai tingkat yang sama sekali baru.
Reaksi kimia seperti bermain catur
Padahal, produksi senyawa dan permainan catur memiliki kemiripan. Senyawa terkait dapat diuraikan menjadi komponen dasar, komponen ini adalah "bidak catur", dan program komputer menyediakan jalur yang berbeda untuk "bidak catur" ini, dan kemudian mensintesisnya di laboratorium.
Tentu saja, ini tampaknya mudah dalam teori, tetapi dalam praktiknya menemui kesulitan. Segler berkata: "Bidang kimia memiliki lebih banyak kemungkinan daripada dunia Go, dan masalahnya jauh lebih rumit."
Gambar Dibandingkan dengan dua metode sintesis tradisional (merah dan hijau), algoritma kecerdasan buatan yang baru (biru) dapat digunakan untuk menyelesaikan lebih banyak prediksi rute sintesis molekuler dalam batas waktu yang lebih singkat.
Dalam penelitian terbaru, alat AI baru menggunakan jaringan saraf pembelajaran mendalam untuk mempelajari semua reaksi kimia organik satu langkah yang diketahui Sekitar 12,4 juta . Ini memungkinkannya untuk memprediksi reaksi kimia yang dapat digunakan dalam satu langkah apa pun. Alat AI berulang kali menerapkan jaringan saraf ini untuk merencanakan sintesis multi-langkah, mendekonstruksi molekul yang diperlukan, dan akhirnya mendapatkan reagen yang dapat digunakan. Pekerjaan ini didanai oleh German Research Foundation.
Gambar | Diagram skematik metode analisis sintesis terbalik
Segler berkata: "Sintesis terbalik adalah subjek utama dalam kimia organik. Seorang ahli kimia perlu bertahun-tahun belajar untuk menguasainya-seperti bermain catur. Selain mempelajari pengetahuan profesional, itu juga membutuhkan intuisi yang tajam dan kreativitas yang kuat. Apa yang kami tunjukkan adalah bahwa komputer itu sendiri dapat mempelajari berbagai aturan dan penerapan aturan ini dari literatur yang ada. "
Saat ini, banyak peneliti dari berbagai disiplin ilmu sedang mengerjakan Gabungkan jaringan saraf dalam dengan pohon penelusuran Monte Carlo . Pohon pencarian Monte Carlo adalah metode yang digunakan untuk mengevaluasi gerakan dalam sebuah permainan. Setiap langkah, komputer akan mensimulasikan situasi yang mungkin tak terhitung jumlahnya, seperti bagaimana mengakhiri permainan catur, komputer akan memilih cara terbaik untuk pergi.
Gambar Mike Preuss
Demikian pula, mesin dapat menggunakan jaringan saraf dalam ini untuk menemukan cara terbaik dalam sintesis kimia. Mike Preuss, seorang ahli sistem informasi dan penulis studi tersebut, menyimpulkan rahasia kesuksesan "Alphago" di dunia kimia dalam satu kalimat: "Jaringan saraf dalam digunakan untuk memprediksi molekul mana yang akan berpartisipasi dalam reaksi. Pohon pencarian Monte Carlo untuk memprediksi kemungkinan reaksi."
Secara khusus, algoritme AI yang dikembangkan oleh tim memiliki basis data 12 juta respons yang diketahui, dan program jaringan neural dalam dapat terus belajar dari 12 juta respons yang diketahui alih-alih pemrograman dalam aturan yang sulit. Semakin banyak data yang disediakan database, semakin banyak jalur kimiawi yang dapat dijelajahi algoritme, dan semakin tinggi akurasi prediksi rute sintetis.
Algoritma ini juga menggunakan pencarian pohon Monte Carlo yang mirip dengan AlphaGo, yang dapat menguraikan target menjadi ribuan kemungkinan node. Setelah setiap langkah reaksi kimia, evaluasi langkah berikutnya yang paling mungkin berhasil dan pelajari lebih lanjut "cabang" ini.
Gambar Algoritma AI mengeksplorasi jalur kimia yang berbeda dan memilih salah satu dengan tingkat keberhasilan tertinggi
Dalam sebuah tes, tim Waller menggunakan algoritme untuk mencoba memetakan rute sintetis enam langkah untuk perantara obat untuk pengobatan penyakit Alzheimer. Hasilnya, algoritme menghitung jalur yang sama dengan respons literatur dalam 5,4 detik.
Seperti yang dikatakan Segler, "Orang berpikir bahwa, seperti mengajar komputer bermain catur, Anda dapat memasukkan sejumlah besar aturan ke dalam komputer untuk mencapai efek yang diinginkan. Tetapi ini tidak bekerja-kimiawi sangat rumit, dan tidak bisa hanya menggunakan aturan sederhana. Pahami. Fakta memberi tahu kami bahwa jumlah publikasi dengan respons baru berlipat ganda setiap sepuluh tahun. Baik ahli kimia maupun pemrogram tidak dapat mengikuti perubahan ini. Kami membutuhkan bantuan AI. "
Tonggak sejarah di bidang sintesis obat
Lantas, apa sebenarnya "Alphago" dari industri kimia kali ini?
Dalam tes AB buta ganda, peneliti Muenster menemukan bahwa rute sintetis yang dihasilkan oleh AI tidak kalah dengan rute sintetis yang dihasilkan oleh tes tersebut.
Untuk menguji apakah jalur yang dihasilkan oleh alat AI baru dapat dibedakan oleh ahli kimia berpengalaman, Segler dan timnya menunjukkan dua potensi 9 molekul kepada 45 ahli kimia organik dari dua institut di China dan Jerman. rute sintetis: Satu pendekatan disintesis oleh AI, pendekatan lainnya dirancang oleh manusia. Akibatnya, ahli kimia organik tidak dapat membedakannya.
Segler berkata, "Kami berharap ahli kimia dapat menggunakan metode kami, menggunakan lebih sedikit sumber daya, melakukan lebih sedikit eksperimen, dan menghasilkan zat yang dapat meningkatkan standar hidup kami."
Faktanya, sejak 1960-an, para peneliti telah mencoba menggunakan daya komputer untuk merencanakan sintesis kimia organik, tetapi tidak berhasil. Pada saat itu, laboratorium kimia organik tampak seperti surga alkimia: deretan botol reagen, tabung reaksi kayu tua, dan ahli kimia yang sibuk di sela-sela.
Setelah 50 tahun berkembang pesat, suasana laboratorium berubah. Namun, sifat pekerjaan peneliti ilmiah tidak berubah. Ahli kimia organik masih perlu terus menjelaskan urutan reaksi yang diperlukan, dan kemudian mencoba mengikuti urutan ini dengan tangan yang telaten.
Dengan perkembangan teknologi kecerdasan buatan, orang mulai mencoba mengintegrasikan mesin dan kecerdasan buatan ke dalam proses penelitian ilmiah, dan membebaskan ahli kimia dengan menciptakan peralatan yang secara otomatis dapat mensintesis molekul organik.
Meskipun hasil ini bukan pertama kalinya alat AI digunakan dalam sintesis obat, Namun, ahli kimia masih memandang perkembangan ini sebagai tonggak dalam bidang sintesis obat, tidak hanya karena dapat mempercepat proses penemuan obat, tetapi juga karena saat ini merupakan salah satu prosedur yang paling efektif untuk menggunakan AI untuk menandai jalur reaksi potensial.
Pada Maret 2018, Grzybowski, seorang ahli kimia di Institut Sains dan Teknologi Nasional Ulsan di Korea Selatan, melaporkan bahwa ia telah menguji delapan jalur reaksi kimia yang disarankan oleh algoritme alat AI baru yang dikembangkan oleh tim Segler di laboratorium, dan semuanya berhasil.
Perlu disebutkan bahwa prinsip kerja alat AI baru tim Segler berbeda dari Grzybowski dan Chematica yang ditemukan sebelumnya oleh timnya yang mempercepat sintesis kimia (ini mengharuskan orang untuk memasukkan aturan kimia organik ke dalam sistem untuk digunakan oleh program), karena itu Hanya belajar dari data, tidak diperlukan aturan input manusia.
Ahli kimia komputasi Swedia Ola Engkvist terkesan dengan pekerjaan ini. Dia berkata: "Meningkatkan tingkat keberhasilan kimia sintetik sangat bermanfaat bagi kecepatan dan efisiensi proyek penelitian dan pengembangan obat-obatan dan pengurangan biaya."
Segler juga mengungkapkan, Alat AI ini telah menarik minat beberapa perusahaan farmasi, tetapi dia tidak percaya bahwa ahli kimia organik akan kehilangan pekerjaannya. "AI akan menjadi asisten ahli kimia," ia membuat analogi. "Perangkat navigasi GPS mungkin membuat peta kertas menjadi tidak berguna, tetapi tidak untuk pengemudi mobil."
"Selama 60 tahun terakhir, para ilmuwan telah mencoba untuk menetapkan aturan sintesis ke komputer melalui pengkodean manual," tulis Dr. Waller di koran: "Tidak seperti metode tradisional, kami telah menggunakan kemampuan perencanaan, simbol Algoritme yang kuat dengan kemampuan simbolik dan kemampuan belajar otomatis sangat penting untuk menentukan apakah komputer dapat memainkan peran tambahan dalam sintesis kimia. Dan teknologi ini juga telah meletakkan dasar yang kokoh untuk memenuhi kebutuhan manusia di bidang pertanian, pengobatan medis, dan ilmu material. "
-Akhir-
Editor: Xing Huan Pengulas: Huang Shan
referensi:
https://arxiv.org/pdf/1708.04202.pdf
https://www.nature.com/articles/nature25978