Metodă bazată pe inteligență artificială prezice timpii de retenție ai moleculelor mici cu o acuratețe sporită
Cercetătorii de la Universitatea Friedrich Schiller din Jena, în colaborare cu parteneri de la Helmholtz Zentrum München și Universitatea Tehnică din München, au dezvoltat o metodă care abordează o problemă persistentă de zeci de ani în chimia analitică. Echipa condusă de bioinformaticianul prof. dr. Sebastian Böcker prezintă noul instrument în revista Nature Methods.
În analiza mostrelor biologice complexe, precum sângele, materialul celular sau culturile bacteriene, identificarea moleculelor mici — cunoscute sub numele de metaboliți — reprezintă o provocare majoră. Cromatografia de lichide este frecvent utilizată pentru separarea acestor molecule, proces în care substanțele trec printr-o coloană de separare, iar moleculele individuale sunt reținute în grade diferite și eluează la momente diferite. Acest „timp de retenție” oferă indicii importante despre substanța prezentă într-o probă.
„Dificultatea constă în faptul că timpii de retenție depind puternic de condițiile experimentale: de coloana utilizată, solvent, gradient, pH, temperatură și chiar de modificări tehnice aparent minore”, explică Böcker. „Dacă, de exemplu, un tub din aparat este înlocuit sau dacă un tub nou este puțin mai lung decât cel vechi, timpii măsurați se pot deplasa semnificativ.”
Modelele anterioare trebuiau adesea antrenate sau ajustate fin utilizând date din exact același sistem de măsurare pe care urmau să facă predicții ulterior. În practică, aceasta însemna că cercetătorii trebuiau să măsoare numeroase substanțe standard înainte de a putea utiliza modelul eficient — un proces consumator de timp, costisitor și, pentru multe aplicații, imposibil de realizat.
Noua abordare a echipei lui Böcker nu se limitează la un singur sistem, ci poate face predicții chiar și pentru sisteme noi și molecule necunoscute. Metoda se concentrează pe tipul cel mai frecvent utilizat de cromatografie de lichide, modul „cu fază inversă”, și operează în doi pași. În primul pas, un model de învățare automată calculează un așa-numit indice de ordine a retenției pentru o moleculă. Acest indice nu descrie direct un timp, ci poziția moleculei în secvența de retenție așteptată. În al doilea pas, acest indice este convertit în timpi de retenție specifici folosind câteva puncte de referință cunoscute.
Fleming Kretschmer a jucat un rol cheie în dezvoltare, lucrând la metodă în cadrul doctoratului său și fiind co-prim autor al lucrării. „O concluzie esențială a muncii noastre este că metoda noastră depășește alte abordări care, spre deosebire de a noastră, trebuie mai întâi antrenate extensiv pe sistemul țintă”, subliniază Kretschmer. „Abordarea noastră permite astfel predicții precise din prima, chiar și pentru sisteme noi.”
Metoda poate fi utilă oriunde moleculele mici necunoscute trebuie identificate. În cercetarea produselor naturale, de exemplu, cercetătorii caută substanțe provenite de la bacterii, fungi sau plante care ar putea servi drept noi antibiotice, medicamente anticancerigene sau compuși activi împotriva altor boli. Și în analiza mediului, chimia alimentară și cercetarea farmaceutică apare mereu aceeași întrebare: ce conține o probă complexă și timpul de retenție măsurat corespunde structurii chimice presupuse?
Noul instrument, numit „2-step”, este disponibil atât ca pachet software, cât și ca aplicație web. Potrivit cercetătorilor, metoda ar putea fi integrată în viitor în multe programe de analiză, permițând utilizarea sa automată de către laboratoarele care lucrează cu cromatografie de lichide și spectrometrie de masă.
