De acordo com pt.wedoany.com-Uma equipe de pesquisa da Friedrich-Schiller-Universität Jena, do Helmholtz-Zentrum Berlin für Materialien und Energie, do Helmholtz Institute for Polymers in Energy Applications Jena e da empresa suíça de software Zakodium Sárl desenvolveu um sistema de inteligência artificial chamado SECS, capaz de recomendar possíveis estruturas moleculares a partir de dados brutos de medições espectroscópicas e avaliar sua plausibilidade. O sistema está disponível em acesso aberto, e os resultados foram publicados na revista especializada Nature Communications.
A elucidação estrutural é uma etapa crucial na pesquisa química, mas apresenta desafios ao lidar com moléculas novas ou complexas. O Dr. Kevin Jablonka, da Universidade de Jena, aponta que métodos como espectroscopia de ressonância magnética nuclear (RMN), espectroscopia infravermelha ou espectrometria de massas fornecem pistas estruturais limitadas, e o quebra-cabeça químico formado por diversos sinais de medição precisa ser montado corretamente. Para moléculas novas nunca descritas, impurezas podem gerar seus próprios sinais ou mascarar os sinais da substância real, tornando a análise particularmente difícil. A vantagem do novo sistema é sua capacidade de lidar com os problemas de impurezas mais comuns em espectros de RMN de prótons convencionais.
Adrian Mirza, primeiro autor do artigo, explica que o novo sistema SECS combina dois métodos de inteligência artificial. O modelo primeiro aprende a converter espectros e estruturas moleculares em uma representação matemática comum; em seguida, um algoritmo evolutivo otimiza gradualmente as moléculas candidatas, adicionando ou removendo átomos e ligações químicas, verificando repetidamente se os resultados correspondem melhor aos dados medidos. No final, o sistema apresenta uma lista classificada de possíveis estruturas, acompanhada de uma pontuação de similaridade baseada no contexto químico.
Em um teste de referência utilizando diferentes métodos espectroscópicos, o SECS classificou a estrutura molecular correta em primeiro lugar em mais de 80% dos casos. Em uma comparação direta com humanos, o sistema apresentou desempenho equivalente ao de especialistas ao resolver 20 problemas desafiadores de RMN. No entanto, a equipe de pesquisa enfatiza que o SECS não visa substituir o conhecimento humano especializado, mas sim fornecer uma segunda opinião útil. Se a recomendação for plausível e tiver alta pontuação, ajuda a aumentar a confiança no resultado da elucidação; caso contrário, vale a pena examinar mais atentamente.
O código-fonte, os dados do modelo e a versão de teste do aplicativo estão todos abertos ao público. A versão web atual é voltada principalmente para a elucidação direta de dados brutos de RMN de prótons unidimensional, e futuramente suportará mais tipos de espectroscopia e dados brutos mais complexos.
Este texto foi elaborado por Wedoany. Qualquer citação por IA deve indicar a fonte “Wedoany”. Em caso de infração ou outros problemas, informe-nos prontamente, por favor. O conteúdo será corrigido ou removido. E-mail: news@wedoany.com
