Ученые создали общедоступную онлайн-платформу SpecML, которая предсказывает оптические свойства новых органических красителей по их структуре при помощи машинного обучения. Новый инструмент поможет химикам, биологам и материаловедам прогнозировать спектральные характеристики соединений в десятки раз быстрее и в несколько раз качественнее, чем при использовании классических квантово-химических методов. Кроме того, алгоритм учитывает влияние среды, в которой растворена молекула, на ее оптические свойства. SpecML упростит создание новых материалов для медицинских и экологических сенсоров, органической электроники и других устройств. Результаты исследования, поддержанного грантом Российского научного фонда (РНФ), опубликованы в журнале Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy.
Бор(III)дипиррометены (BODIPY) — это синтетические органические молекулы, которые состоят из атомов бора, фтора и двух азотсодержащих углеродных циклов. Такие вещества используются в качестве флуоресцентных (светящихся) красителей в медицине, а также химических и биологических сенсоров. BODIPY испускают яркий желто-зеленый свет, а химические модификации этих молекул позволяют смещать длину волны в область красного или синего свечения.
Биологические ткани (кожа, кровь, жир) сильно рассеивают и поглощают свет в диапазоне 400–650 нанометров (синий и зеленый спектры), но в диапазоне 650–900 нанометров (красный и инфракрасный) существует так называемое фототерапевтическое «окно», где ткани лучше всего пропускают свет такой длины волны через себя без поглощения. Именно это «окно» используют в медицине для диагностики опухолей, воспалений и нарушения кровообращения. Поэтому молекулы BODIPY с поглощением и испусканием в красной области спектра очень востребованы.
Однако, чтобы создать флуоресцентный краситель с необходимыми характеристиками свечения, нужен трудоемкий и дорогостоящий синтез и последующая экспериментальная проверка полученного соединения. Чтобы оптимизировать такой поиск, специалисты предсказывают свойства новых молекул с помощью квантово-химических расчетов. Но такие исследования требуют огромных вычислительных ресурсов, времени и знаний, что затрудняет использование этих расчетов для быстрого автоматизированного тестирования.
Ученые из Института химии растворов имени Г.А. Крестова РАН (Иваново) разработали онлайн-платформу SpecML, которая позволяет с высокой точностью и скоростью предсказывать основные флуоресцентные характеристики для новых красителей BODIPY.
В основе метода лежат модели машинного обучения, созданные на огромном массиве экспериментальных данных, собранных из научной литературы. Так, для обучения алгоритма авторы использовали около 36 000 экспериментальных записей для более чем 6 500 уникальных молекул BODIPY, исследованных в 82 различных растворителях. Такое количество и разнообразие данных позволило моделям выявлять сложные взаимосвязи между структурой молекулы и ее оптическими свойствами.
В результате алгоритм смог предсказывать значения длины волны поглощения и испускания красителей BODIPY, эффективность и время жизни флуоресценции, а также другие параметры для этих молекул с точностью примерно от 70 до 90%.
Ученые сравнили эффективность использования машинного обучения и квантово-химических расчетов для предсказания свойств 300 известных молекул класса BODIPY. Оказалось, что новый алгоритм SpecML справляется с задачей за секунды, в то время как классические методики затрачивают на вычисления часы. При этом ошибка предсказаний у нового метода в восемь раз ниже по сравнению с классическими квантово-химическим расчетами.
«SpecML представляет собой простой и мощный инструмент для дизайна материалов в области химии, биологии и материаловедения. Веб-платформа находится в открытом доступе, поэтому любой заинтересованный исследователь может опробовать ее возможности. Мы уверены, что SpecML станет эффективным ресурсом для ускорения разработки новых BODIPY красителей с заранее заданными свойствами. Это будет способствовать созданию более эффективных флуоресцентных маркеров для терапии рака и конструирования материалов для органической электроники следующего поколения. В дальнейшем мы планируем дообучить модели на большем количестве данных, а также расширить функционал SpecML, добавив ряд полезных опций», — рассказывает руководитель проекта, поддержанного грантом РНФ, Александр Ксенофонтов, кандидат химических наук, старший научный сотрудник лаборатории химии и молекулярной фотоники дипиррометеновых красителей и люминофоров Института химии растворов имени Г.А. Крестова РАН.
Подписывайтесь на InScience.News в социальных сетях: ВКонтакте, Telegram, Одноклассники.
