Een algoritme dat is ontworpen door onderzoekers van de afdeling Computational Biology van de Carnegie Mellon University en de St. Petersburg State University in Rusland, zou wetenschappers kunnen helpen onbekende moleculen te identificeren. Het algoritme, genaamd MolDiscovery, gebruikt massaspectrometriegegevens van moleculen om de identiteit van onbekende stoffen te voorspellen, wetenschappers vroeg in hun onderzoek vertellen of ze op iets nieuws zijn gestuit of alleen iets dat al bekend is, hebben herontdekt.

Deze ontwikkeling kan tijd en geld besparen bij het zoeken naar nieuwe natuurlijk voorkomende producten die in de geneeskunde kunnen worden gebruikt.

"Wetenschappers verspillen veel tijd aan het isoleren van moleculen die al bekend zijn, in wezen herontdekken van penicilline, " zei Hosein Mohimani, een assistent-professor en onderdeel van het onderzoeksteam. "Het vroegtijdig detecteren of een molecuul al dan niet bekend is, kan tijd en miljoenen dollars besparen, en zal hopelijk farmaceutische bedrijven en onderzoekers in staat stellen beter te zoeken naar nieuwe natuurlijke producten die kunnen leiden tot de ontwikkeling van nieuwe medicijnen."

Het werk van het team, "MolDiscovery:Leren van massaspectrometrie Fragmentatie van kleine moleculen, " is onlangs gepubliceerd in Natuurcommunicatie . Het onderzoeksteam omvatte Mohimani; CMU Ph.D. studenten Liu Cao en Mustafa Guler; Yi-Yuan Lee, een onderzoeksassistent bij CMU; en Azat Tagirdzhanov en Alexey Gurevich, beide onderzoekers van het Center for Algorithmic Biotechnology aan de St. Petersburg State University.

Mohimani, wiens onderzoek in het Metabolomics and Metagenomics Lab zich richt op de zoektocht naar nieuwe, natuurlijk voorkomende medicijnen, zei nadat een wetenschapper een molecuul ontdekt dat veelbelovend is als een potentieel medicijn in een zee- of bodemmonster, bijvoorbeeld, het kan een jaar of langer duren om het molecuul te identificeren zonder garantie dat de stof nieuw is. MolDiscovery gebruikt massaspectrometriemetingen en een voorspellend machine learning-model om moleculen snel en nauwkeurig te identificeren.

Massaspectrometriemetingen zijn de vingerafdrukken van moleculen, maar in tegenstelling tot vingerafdrukken is er geen enorme database om ze te vergelijken. Hoewel er honderdduizenden natuurlijk voorkomende moleculen zijn ontdekt, wetenschappers hebben geen toegang tot hun massaspectrometriegegevens. MolDiscovery voorspelt de identiteit van een molecuul uit de massaspectrometriegegevens zonder te vertrouwen op een massaspectra-database om het te vergelijken.

Het team hoopt dat MolDiscovery een nuttig hulpmiddel zal zijn voor laboratoria bij de ontdekking van nieuwe natuurlijke producten. MolDiscovery zou kunnen samenwerken met NRPminer, een machine learning-platform ontwikkeld door Mohimani's lab, dat helpt wetenschappers natuurlijke producten te isoleren. Onderzoek gerelateerd aan NRPminer is onlangs ook gepubliceerd in: Natuurcommunicatie .