Moskva Dövlət Universitetinin (MDU) Kimya fakültəsinin alimləri molekulların itirilmiş geometriyalarını aşkar etmək üçün süni intellekt (Sİ) texnologiyasına əsaslanan yeni bir metod hazırlayıblar. Bu yanaşma, yeni dərmanların hazırlanması prosesində effektivliyi artırmağa kömək edir. Universitetin mətbuat xidməti bu barədə məlumat yayıb.

Molekulların hissələrinin fırlanması nəticəsində onların müxtəlif məkan formaları - geometriyaları (konformasiyaları) meydana gəlir. Hər bir geometriyanın özünəməxsus kimyəvi və fiziki xüsusiyyətləri var. Bu səbəbdən, yeni birləşmələrin xüsusiyyətlərini proqnozlaşdırmaq üçün bütün mümkün geometriyaları nəzərə almaq vacibdir. Mövcud metodlar bəzi konformasiyaları nəzərdən qaçıra bilər və bu, yeni dərmanların hazırlanması zamanı modelləşdirmə nəticələrini təhrif edə bilər. MDU alimləri maşın öyrənmə metodlarını tətbiq edərək ənənəvi üsullarla aşkar edilməyən geometriyaları tapmağa imkan verən bir alqoritm hazırlayıblar.

"MDU-nun Kimya fakültəsinin alimləri həmkarları ilə birlikdə molekulların konformasiyalarında qaçırılan geometriyaları aşkar etməyə kömək edən süni intellekt əsaslı metod hazırlayıblar. 60 potensial bioloji aktiv birləşmədə aparılan testlər zamanı alqoritm, mövcud metodlarla aşkar edilməyən 28-ə qədər konformasiyanı tapdı. Bu yeni yanaşma kvant-kimyəvi hesablamaları maşın öyrənmə ilə birləşdirərək, digər konformasional axtarış metodları ilə qurulmuş molekulların geometriyalarını təhlil edir və itirilmiş olanları tapır," - deyə universitetin mətbuat xidməti məlumat verib.

İlk mərhələdə model, molekul hissələrinin bir-birinə nisbətən fırlanma enerjisi haqqında məlumatları öyrənir. Bu məlumatlar kvant-kimyəvi hesablamalar vasitəsilə əldə edilir. Daha sonra proqram ənənəvi yanaşmalardan fərqli olaraq yalnız ən optimal konformasiyanın axtarışına deyil, həm də araşdırılmamış sahələrə diqqət yetirir.

"Hazırladığımız metod molekulyar modelləşdirmənin etibarlılığını əhəmiyyətli dərəcədə artırmağa və müəyyən edilmiş xüsusiyyətlərə malik yeni sabit üzvi və metal-üzvi maddələrin axtarış sürətini artırmağa imkan verir. Bu maddələr potensial olaraq dərman preparatlarına və ya yeni katalizatorlara çevrilə bilər. Bu metod, insan müdaxiləsini minimuma endirərək etibarlı nəticələr əldə etməyə imkan verən avtomatik molekulyar modelləşdirməyə doğru mühüm bir addımdır," - deyə layihə rəhbəri, Rusiya Elmlər Akademiyası N. D. Zelinski adına Üzvi Kimya İnstitutunun nəzəri kimya qrupunun baş elmi işçisi Mixail Medvedev bildirib.

Tədqiqatın nəticələri Rusiya Elmlər Fondu tərəfindən dəstəklənən bir qrant çərçivəsində aparılıb və Journal of Chemical Information and Modeling jurnalında dərc edilib.