Созданный химиками МГУ метод позволит находить «потерянные» геометрии молекул

Ученые химического факультета МГУ разработали метод, который позволяет находить стабильные геометрии соединений, упускаемые при молекулярном моделировании. При тестировании на 60 потенциально биологически активных соединениях для почти половины молекул алгоритм обнаружил до 28 конформаций (геометрий), не выявленных существующими методами.

Новый подход, сочетающий в себе квантово-химические расчеты и машинное обучение, анализирует геометрические варианты молекул, построенные другими методами конформационного поиска, и находит недостающие всего за 20–30 попыток. Инструмент может использоваться для поиска и разработки фармацевтических соединений и новых катализаторов. Результаты исследования, поддержанного грантом РНФ, опубликованы (https://pubs.acs.org/doi/10.1021/acs.jcim.5c00522) в Journal of Chemical Information and Modeling.

Большинство молекул могут принимать несколько пространственных форм — геометрий, или конформаций — из-за вращения частей молекулы относительно друг друга. Каждая конформация имеет свои химические и физические свойства, поэтому для предсказания свойств соединения с помощью квантово-химического моделирования необходимо учитывать все его возможные геометрии. Важно отметить, что всего одна пропущенная конформация может качественно исказить результаты моделирования, сделав их бесполезными (а в некоторых случаях вредными) для создания целевого вещества. Однако даже самые точные современные методы могут упускать наиболее устойчивые конформации молекул.

Ученые химфака с коллегами создали метод на основе искусственного интеллекта, который помогает находить пропущенные геометрии в наборах конформаций молекулы. Разработанный метод позволяет существенно повысить надежность молекулярного моделирования и увеличить скорость поиска новых стабильных органических и металлоорганических веществ с заданными свойствами, которые потенциально могут стать, например, лекарственными препаратами или новыми катализаторами.