AIMe, de Cornell, usa IA para predecir los espectros de masas de 100 millones de moléculas pequeñas
Investigadores del Boyce Thompson Institute y Cornell crearon AIMe, una herramienta de IA neurosimbólica que cartografía los espectros de masas de más de 100 millones de moléculas orgánicas pequeñas conocidas; el trabajo aún es un preprint.
Científicos del Boyce Thompson Institute (BTI) y de la Universidad Cornell han creado AIMe (AI Molecule Explorer), una herramienta que emplea inteligencia artificial neurosimbólica para predecir, organizar y buscar espectros de masas de todo el catálogo de moléculas orgánicas pequeñas conocidas: más de 100 millones de compuestos.
El problema
La espectrometría de masas en metabolómica produce enormes cantidades de señales que no se pueden asignar a ninguna molécula conocida, porque solo existen espectros de referencia para una pequeña fracción de sustancias. AIMe genera espectros predichos para comparar esos picos desconocidos con un gran mapa del espacio químico.
Primeros resultados
- Aplicada a más de 7 millones de grupos espectrales de la base pública GNPS, AIMe ofreció anotaciones provisionales para unos 2,69 millones, frente a unos 416.000 en un trabajo anterior con el mismo umbral de similitud: más de seis veces más.
- Lideran el proyecto Frank Schroeder (BTI/Cornell) y Carla Gomes (Instituto de IA para la Ciencia de Cornell).
Advertencias
El estudio se ha publicado como preprint en bioRxiv y aún no ha superado la revisión por pares. Las anotaciones son predicciones provisionales que requieren confirmación experimental. AIMe está disponible en la web de Cornell; el código se publicará con el artículo.
También disponible en: EnglishСаха тылаРусский中文Portuguêsالعربية