Руководствуясь искусственного интеллекта и работает на роботизированной платформы, система, разработанная исследователями из MIT, один шаг ближе к автоматизации производства малых молекул, которые могут быть использованы в медицине, солнечной энергии и химии полимеров.
Системы, описанные в 8 августа в выпуске журнала Science, позволит высвободить скамейке химики из множества рутинных и трудоемких задач, и может предложить варианты того, как завести новых молекулярных соединений, по изучению со-лидеры Павел Ф. Йенсен, Уоррен К. Льюис, профессор химической инженерии, и Тимоти Ф. Джеймисон, Роберт Тейлор, профессор химии и заместителем проректора МТИ.
Технология “обещание помогать людям, вырезать все нудное части здания молекулы”, в том числе глядя потенциальных путей реакции и строение компоненты молекулярной сборочной линии каждый раз, когда выпускается новая молекула, — говорит Дженсен.
“И как химик, это может дать вам вдохновение для новых реакций, что бы ты не думал прежде”, — добавляет он.
Другие авторы мит на научная работа включает Коннор У. Коли, Дэйл А. Томас III, а Джастин А. М. Lummiss, Джонатан Н. Яворский, Кристофер П. Брин, Виктор Шульц, Трэвис Харт, Джошуа Фишман, Люк Роджерс, Ханю Гао, Роберт У. Hicklinбыл, Питер П. Plehiers, Джошуа Byington, Джон С. Piotti, Уильям Х. Грин, А. Джон Харт.
От вдохновения к рецепту готовое изделие
Новая система сочетает в себе три основных этапа. Во-первых, программное обеспечение, руководствуясь искусственного интеллекта предполагает маршрута для того, чтобы синтезировать молекулу, то эксперты-химики комментарий этот маршрут и перерабатывают ее в химическую “рецепт”, и, наконец, рецепт отправляется на роботизированную платформу, которая автоматически монтирует оборудование и выполняет реакций, которые строят молекулы.
Коули и его коллеги работали в течение более чем трех лет разработки с открытым исходным кодом, пакет программного обеспечения, что предполагает и приоритеты возможных путей синтеза. В центре программы несколько нейросетевых моделей, которые исследователи обучили на миллионы ранее опубликованных химических реакций взяты из Reaxys и США по патентам и товарным знакам базы данных. Программа использует эти данные, чтобы определить преобразования реакции и условия, которые он считает, будет пригодна для строительства нового комплекса.
“Это позволяет на высоком уровне решения о том, какие промежуточные и исходные материалы использовать, а затем немного более подробный анализ о том, какие условия нужно использовать и если эти реакции могут быть успешными”, — говорит Коули.
“Одна из главных причин разработки программного обеспечения является то, что она не просто даст вам предложения для молекул мы знаем о реакции, о которых мы знаем”, — отмечает он. “Можно обобщить до новых молекул, которые никогда не были сделаны”.
Затем химики ознакомьтесь с предложенными путей синтеза, производимые с помощью программного обеспечения, чтобы создать более полный рецепт для целевой молекулы. Химики иногда нужно выполнять лабораторные эксперименты или повозиться с реагентов и температуры реакции, среди других изменений.
“Они берут вдохновение от AI и преобразовать в исполняемый файл рецепт, во многом потому, что в химической литературе в настоящее время не имеет достаточно информации, чтобы перейти непосредственно от вдохновения до расстрела на автоматизированную систему,” говорит Джемисон.
Окончательный рецепт затем грузили на платформы, где роботизированная рука собирает модульные реакторы, сепараторы и другие блоки обработки в непрерывном потоке, подключение насосов и линий, которые приносят в молекулярных ингредиентов.
“Вы загрузите рецепт — вот что управляет роботизированной платформы — загрузки реагентов и нажмите Go, что позволяет создавать молекулы интерес”, — говорит Томас. “И тогда, когда оно завершено, оно очищает систему и вы можете загрузить следующий набор реагентов и рецепт, и позволить ему работать.”
В отличие от системы непрерывной подачи исследователи представили в прошлом году, который должен быть настроен вручную после каждого синтеза, новая система полностью настраивается с помощью роботизированной платформы.
“Это дает нам возможность последовательности одной молекулы на другую, а также создавать библиотеки молекул в системе, автономно”, — говорит Дженсен.
Дизайн для платформы, которая составляет около двух кубических метров в размер — немного меньше, чем стандартный химический клобук перегара — напоминает телефонный коммутатор и Системного оператора, который движется соединения между модулями на платформе.
“Роботизированная рука это и позволило манипулировать жидкий путей, что позволило снизить количество технологических модулей и Fluidic сложность системы, и за счет уменьшения жидкостного сложности мы можем увеличить молекулярной сложности”, — говорит Томас. “Что позволило добавить дополнительных шагов реакцию и расширить набор реакций, которые могут быть завершены в системе в пределах относительно небольшой площади”.
К полной автоматизации
Исследователи протестировали всю систему путем создания 15 различных лекарственных малые молекулы различной сложности синтеза, с учетом процессов в любом месте между двух часов для простейшего творения около 68 часов для изготовления нескольких соединений.
Команда синтезировали различные вещества: аспирин и антибиотик secnidazole в увязке процессов; обезболивающее лидокаин и противотревожное лекарство диазепам в увязке процессов с использованием единого сырья, реагентов; кровь тоньше варфарин и болезни Паркинсона препарата safinamide, чтобы показать, как программное обеспечение может дизайн соединений с близкой молекулярной компоненты, но разные 3-D структуры; и семья из пяти ингибитора АПФ препараты и семьи из четырех нестероидные противовоспалительные препараты.
“Я особенно горжусь разнообразие химии и различных химических реакциях”, — говорит Джеймисон, кто сказал, что система обработала около 30 различных реакций по сравнению с примерно 12 разных реакций в предыдущей поточно-цеховой системы.
“Мы действительно пытаемся сократить разрыв между поколением идеи из этих программ и что нужно, чтобы запустить синтез”, — говорит Коули. “Мы надеемся, что следующее поколение системы будет способствовать дальнейшему увеличению доли времени и усилий, что ученые могут сосредоточить свои усилия на творчество и дизайн”.
Исследования были поддержаны, в частности, при Министерстве обороны США перспективных исследований проекты агентства (DARPA) сделать-это программу.
