Tecnologia Científica

Algoritmo usa dados de espectrometria de massa para prever a identidade de moléculas
Esse desenvolvimento pode economizar tempo e dinheiro na busca de novos produtos naturais que possam ser usados ​​na medicina.
Por Carnegie Mellon University - 17/06/2021


Pixabay

Um algoritmo desenvolvido por pesquisadores do Departamento de Biologia Computacional da Carnegie Mellon University e da St. Petersburg State University, na Rússia, 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 início 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 molécula é conhecida ou não desde o início pode economizar tempo e milhões de dólares e, esperançosamente, permitirá que as empresas farmacêuticas 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 Algorítmica da Universidade Estadual de São Petersburgo.

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

As medidas de espectrometria de massa são as impressões digitais das moléculas, mas, ao contrário das impressões digitais, não há um enorme banco de dados para compará-las. Mesmo que centenas de milhares de moléculas de ocorrência natural tenham sido descobertas, os cientistas não têm acesso aos seus dados de espectrometria de massa . MolDiscovery prevê a identidade de uma molécula a partir dos dados de espectrometria de massa sem depender de um banco de dados de espectros de massa para compará-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 máquina 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 .

 

.
.

Leia mais a seguir