AIMe, de Cornell, usa IA para prever espectros de massa de 100 milhões de pequenas moléculas
Pesquisadores do Boyce Thompson Institute e de Cornell criaram o AIMe, ferramenta de IA neuro-simbólica que mapeia espectros de massa de mais de 100 milhões de moléculas orgânicas pequenas conhecidas; o trabalho ainda é um preprint.
Cientistas do Boyce Thompson Institute (BTI) e da Universidade Cornell criaram o AIMe (AI Molecule Explorer), ferramenta que usa inteligência artificial neuro-simbólica para prever, organizar e buscar espectros de massa de todo o catálogo de moléculas orgânicas pequenas conhecidas — mais de 100 milhões de compostos.
O problema
A espectrometria de massa em metabolômica gera enormes quantidades de sinais que não podem ser associados a nenhuma molécula conhecida, pois só há espectros de referência para uma pequena fração das substâncias. O AIMe gera espectros previstos para que esses picos desconhecidos sejam comparados a um grande mapa do espaço químico.
Primeiros resultados
- Aplicado a mais de 7 milhões de agrupamentos espectrais da base pública GNPS, o AIMe gerou anotações prováveis para cerca de 2,69 milhões, contra cerca de 416 mil em um trabalho anterior com o mesmo limiar de similaridade — mais de seis vezes mais.
- O projeto é liderado por Frank Schroeder (BTI/Cornell) e Carla Gomes (Instituto de IA para a Ciência de Cornell).
Ressalvas
O estudo foi publicado como preprint no bioRxiv e ainda não passou por revisão por pares. As anotações são previsões prováveis que exigem confirmação experimental. O AIMe está disponível no site de Cornell; o código será liberado com a publicação.
Também disponível em: EnglishСаха тылаРусскийEspañol中文العربية