AI在数据模糊也能解析小分子药物和催化剂的结构

intelligence can determine the 3D structure of small molecules such

人工智能（AI）在预测蛋白质的三维结构方面已经取得了巨大突破，而这些结构对于理解蛋白质功能至关重要。如今，AI的力量开始延伸至更小的分子领域，如药物、除草剂和催化剂，这些分子在医学、农业和工业化学中占据核心地位。

今日发表在《科学》杂志上的一项研究报告称，一种全新的AI工具能够在数据不完整的情况下解析小分子的结构。这一工具能够从以往被视为“无用”的数据中识别出模式，这将大大简化化学家们推进现代生活所需的多种化合物的过程。

“这真的是个游戏规则的改变者，”英国达勒姆大学的小分子晶体学家霍斯特·普施曼（Horst Puschmann）评价道，他并未参与这项研究。

AI在预测蛋白质结构方面的最新进展，主要得益于大量的训练数据。研究人员掌握了编码蛋白质的基因的DNA序列，并且对许多蛋白质的精确三维结构也了如指掌。通过这些数据集，科学家们可以训练AI，仅根据DNA序列就能准确预测出新蛋白质的未知三维形状。

然而，小分子提出了更大的挑战。哥本哈根大学的小分子晶体学家安德斯·马德森（Anders Madsen）表示，尽管研究人员可以根据化学式计算出基本的三维结构，但要确定精确的结构往往是困难的，因为许多微小的变化都可能是合理的。

为了确定实际结构，研究人员通常依赖X射线晶体学。他们首先将一批纯化的小分子转化为固体晶体，这些晶体中的分子排列成像超市里堆放的水果一样的重复图案。科学家随后用X射线照射晶体，分子周围的电子会使X射线发生偏转，产生由探测器记录的“衍射图案”。通过分析这些图案，研究人员可以绘制电子分布图，并推断出原子的排列。

然而，获取精确结构还需要了解X射线的“相位”，这是波长和穿过晶体路径的属性之一。尽管探测器可以测量X射线的强度——即每个点的光子数量，但它们无法测量相位。研究人员必须进行有根据的猜测，测试最可能的相位值，并确认最符合数据的值。但当晶体质量差，衍射图案模糊时，科学家往往无法确定相位，导致分析失败。“垃圾进，垃圾出，”剑桥大学的小分子晶体学家安德鲁·邦德（Andrew Bond）形象地描述这一过程。

然而，AI通常能够在模糊数据中看到研究人员无法察觉的模式。马德森和他的同事们决定测试这一假设。他们通过逆向工程，利用计算机模型设计出数百万个虚构的小分子结构，并计算出劣质晶体可能产生的模糊衍射图案。AI从随机相位值开始，迭代优化，直到找到与模糊强度数据结合后能产生正确结构的相位。

当研究人员获取了虚构分子的输入（强度和相位信息）和输出（3D结构）数据后，他们利用这些数据训练AI，寻找连接强度数据与相位信息的模式，从而得到正确的结构。

接下来，科学家们测试了AI在面对从未见过的真实分子时能否准确预测结构。结果显示，AI能够准确解析近2400种小分子的已知结构，并且只需传统X射线方法10%的数据量。“某种程度上，它就像魔法一样，”普施曼感叹道。

目前，这项技术仅适用于包含不超过50个原子的分子。马德森表示，他希望继续优化AI，以期能够处理更大的分子，从而使其成为一种更为通用的工具。

邦德则预见到，未来可能会有类似的AI通过其他技术的数据集进行训练，如电子束衍射，这种方法不需要制备晶体。不过目前，他表示：“这是一个非常不错的第一步。”