Um algoritmo desenvolvido por pesquisadores do Departamento de Biologia Computacional da Carnegie Mellon University e da St. Petersburg State University, na Raºssia, pode ajudar os cientistas a identificar moléculas desconhecidas. O algoritmo, chamado MolDiscovery, usa dados de espectrometria de massa de moléculas para prever a identidade de substâncias desconhecidas, dizendo aos cientistas no ini­cio de suas pesquisas se eles encontraram algo novo ou apenas redescobriram algo já conhecido.

Esse desenvolvimento pode economizar tempo e dinheiro na busca de novos produtos naturais que possam ser usados ​​na medicina.

"Os cientistas perdem muito tempo isolando moléculas que já são conhecidas, essencialmente redescobrindo a penicilina", disse Hosein Mohimani, professor assistente e parte da equipe de pesquisa. "Detectar se uma molanãcula éconhecida ou não desde o ini­cio pode economizar tempo e milhões de da³lares e, esperana§osamente, permitira¡ que as empresas farmacaªuticas e pesquisadores pesquisem melhor por novos produtos naturais que podem resultar no desenvolvimento de novos medicamentos."

O trabalho da equipe, "MolDiscovery: Learning Mass Spectrometry Fragmentation of Small Molecules", foi publicado recentemente na Nature Communications . A equipe de pesquisa incluiu Mohimani; CMU Ph.D. os alunos Liu Cao e Mustafa Guler; Yi-Yuan Lee, assistente de pesquisa da CMU; e Azat Tagirdzhanov e Alexey Gurevich, ambos pesquisadores do Centro de Biotecnologia Algora­tmica da Universidade Estadual de Sa£o Petersburgo.

Mohimani, cuja pesquisa no Laborata³rio de Metabola´mica e Metagena´mica se concentra na busca por novas drogas que ocorrem naturalmente, disse que depois que um cientista detecta uma molanãcula que promete ser uma droga potencial em uma amostra marinha ou de solo, por exemplo, pode levar um ano ou mais para identificar a molanãcula sem garantia de que a substância seja nova. MolDiscovery usa medições de espectrometria de massa e um modelo de aprendizado de ma¡quina preditivo para identificar moléculas com rapidez e precisão.

As medidas de espectrometria de massa são as impressaµes digitais das molanãculas, mas, ao contra¡rio das impressaµes digitais, não háum enorme banco de dados para compara¡-las. Mesmo que centenas de milhares de moléculas de ocorraªncia natural tenham sido descobertas, os cientistas não tem acesso aos seus dados de espectrometria de massa . MolDiscovery prevaª a identidade de uma molanãcula a partir dos dados de espectrometria de massa sem depender de um banco de dados de espectros de massa para compara¡-la.

A equipe espera que o MolDiscovery seja uma ferramenta útil para laboratórios na descoberta de novos produtos naturais. O MolDiscovery poderia funcionar em conjunto com o NRPminer, uma plataforma de aprendizado de ma¡quina desenvolvida pelo laboratório de Mohimani, que ajuda os cientistas a isolar produtos naturais. A pesquisa relacionada ao NRPminer também foi publicada recentemente na Nature Communications .