Un algorithme évolutionnaire génère des "empreintes moléculaires" sur mesure
Une équipe de chercheurs met au point une méthode améliorée pour expliquer les prédictions des machines concernant les réactions chimiques
L'intelligence artificielle et l'apprentissage automatique sont de plus en plus présents dans la vie quotidienne, et il en va de même pour la chimie. Les chimistes organiques, par exemple, s'intéressent à la manière dont l'apprentissage automatique peut aider à découvrir et à synthétiser de nouvelles molécules efficaces contre les maladies ou utiles à d'autres égards. Une équipe dirigée par le professeur Frank Glorius, de l'Institut de chimie organique de l'université de Münster, a mis au point un algorithme évolutionnaire qui recherche des représentations moléculaires optimales sur la base des principes de l'évolution, en utilisant des mécanismes tels que la reproduction, la mutation et la sélection. Il identifie les structures moléculaires qui sont particulièrement pertinentes pour la question posée et les utilise pour coder les molécules pour différents modèles d'apprentissage automatique. En fonction du modèle et de la question posée, des "empreintes moléculaires" personnalisées sont créées, que les chimistes ont utilisées dans leur étude pour prédire des réactions chimiques avec une précision surprenante. La méthode, publiée dans la revue Chem, permet également de prédire les propriétés chimiques quantiques et la toxicité des molécules.
Pour utiliser l'apprentissage automatique, les chercheurs doivent d'abord convertir les molécules en une forme lisible par l'ordinateur. De nombreux groupes de recherche se sont déjà attaqués à ce problème, et il existe donc différentes manières d'effectuer cette tâche. Cependant, il est difficile de prédire laquelle des méthodes disponibles est la mieux adaptée pour répondre à une question spécifique - par exemple, pour déterminer si un composé chimique est nocif pour l'homme. Le nouvel algorithme est conçu pour aider à trouver l'empreinte moléculaire optimale dans chaque cas. Pour ce faire, l'algorithme sélectionne progressivement les empreintes moléculaires qui obtiennent les meilleurs résultats dans la prédiction à partir de nombreuses empreintes moléculaires générées de manière aléatoire. "En suivant l'exemple de la nature, nous utilisons des mutations, c'est-à-dire des changements aléatoires des composants individuels des empreintes, ou nous recombinons les composants de deux empreintes", explique Felix Katzenburg, doctorant.
"Dans d'autres études, les molécules sont souvent décrites par des propriétés quantifiables qui ont été sélectionnées et calculées par des humains", ajoute Frank Glorius. "Comme l'algorithme que nous avons développé identifie automatiquement les structures moléculaires pertinentes, il n'y a pas de biais systématiques causés par les experts humains. Autre avantage, la méthode d'encodage permet de comprendre pourquoi un modèle fait une certaine prédiction. Par exemple, il est possible de tirer des conclusions sur les parties d'une molécule qui ont un impact positif ou négatif sur la prédiction du déroulement d'une réaction, ce qui permet aux chercheurs de modifier les structures pertinentes de manière ciblée.
L'équipe de Münster a constaté que sa nouvelle méthode ne permettait pas toujours d'obtenir les résultats les plus optimaux. "Lorsqu'une expertise humaine considérable a été utilisée pour sélectionner des propriétés moléculaires particulièrement pertinentes ou que de très grandes quantités de données sont disponibles, d'autres méthodes telles que les réseaux neuronaux ont parfois l'avantage", reconnaît Felix Katzenburg. Toutefois, l'un des principaux objectifs de l'étude était de mettre au point une méthode d'encodage des molécules qui puisse être appliquée à n'importe quel ensemble de données moléculaires et qui ne nécessite pas de connaissances spécialisées sur les relations sous-jacentes.
Note: Cet article a été traduit à l'aide d'un système informatique sans intervention humaine. LUMITOS propose ces traductions automatiques pour présenter un plus large éventail d'actualités. Comme cet article a été traduit avec traduction automatique, il est possible qu'il contienne des erreurs de vocabulaire, de syntaxe ou de grammaire. L'article original dans Anglais peut être trouvé ici.
Publication originale
Autres actualités du département science
Recevez les dernières actualités de l’industrie chimique
Ne manquez plus aucune actualité : notre newsletter consacrée à l'industrie chimique, aux méthodes analytiques, aux laboratoires et à la technologie des processus vous informe tous les mardis et jeudis. Les dernières nouvelles du secteur, les produits phares et les innovations - de manière compacte et compréhensible dans votre boîte de réception. Recherché par nos soins, pour que vous n'ayez pas à le faire.
