Аннотация результатов, полученных в 2022 году
В ходе первого года работы по проекту был доработан ранее предложенный алгоритм ранжирования кандидатов по данным из масс-спектров электронной ионизации. Применение глубокой сверточной нейронной сети позволило повысить точность и надежность по сравнению с обычным библиотечным поиском. Применение машинного обучения также позволяет предсказывать молекулярный отпечаток пальца (molecular fingerprint, MF) по масс-спектру. Разработанный алгоритм, получая на вход список структур-кандидатов, осуществляет предсказание масс-спектров для каждого из них, затем для экспериментального масс-спектра осуществляет предсказание молекулярных отпечатков пальцев и с применением ранжирующей модели выбирает наиболее подходящие кандидаты. В дальнейшем планируется регистрация прав на разрабатываемое программное обеспечение на основе этого алгоритма. С использованием алгоритма классификации Кохонена предложен способ обнаружения пиков в ходе предварительной обработки экспериментальных масс-спектров низкого разрешения. Внесенные модификации, позволили увеличить точность работы алгоритма, что позволяет повысить достоверность отнесения сигналов к полезным или фоновым до 80-100%. Для ВЭЖХ-МС данных предложен и апробирован на наборе образцов сложного состава (растительных экстрактов) алгоритм обнаружения значимых характеристичных m/z–RT сигналов. Для этой цели были применены методы машинного обучения, а именно метод опорных векторов, и две нейронные сети на основе ResNet архитектуры. В качестве тестовой смеси сложного состава была исследована озонированная пиролизная жидкость. Для лучшего разделения компонентов смеси впервые использована неподвижная фаза на основе ионной жидкости (Bis4MPyC6). Установлено, что помимо углеводородных компонентов смесь содержит альдегиды, карбоновые кислоты и алканы. Для идентификации компонентов смеси использовали данные из полученных экспериментальных масс-спектров и индексы удерживания. Показано, что сравнение экспериментальных и предсказанных индексов удерживания позволяет идентифицировать каждый из пиков на хроматограмме с высокой степенью достоверности. Для разработки алгоритмов и моделей для предсказания времен удерживания и порядка элюирования структурно близких и, в том числе, изомерных соединений в условиях ОФ ВЭЖХ была исследована база данных METLIN SMRT. Выбран набор из 3646 гетероциклических соединений, разбитый на пары изомеров, и с помощью программного пакета PaDEL Descriptor рассчитаны значения 7432 молекулярных дескрипторов. Разработана процедура отбора значимых дескрипторов (n=460), коррелирующих с хроматографическим удерживанием аналитов, значения которых значимо отличаются для изомерных структур. Выявлены наиболее перспективные дескрипторы для построения методом многомерной линейной регрессии зависимостей, описывающих время удерживания или коэффициент емкости. Предложено 4 способа предсказания порядка элюирования: предсказание времени удерживания c последующим вычислением разности времен удерживания (ΔRT) и решением задачи классификации; предсказание ΔRT; предсказание коэффициента селективности; классификация на две группы по порядку выхода. Наибольшей точности удалось добиться с применением последнего способа при использовании модели Деревьев Решений (89%) и логистической регрессии (75%). Исследовано хроматографическое поведение 26 выбранных гетероциклических имидазолиновых и серотониновых лигандов в условиях хроматографии гидрофильных взаимодействий (HILIC) на mixed-mode диольной и диольной неподвижной фазе. Из результатов QSRR анализа были установлены структурные свойства (молекулярные дескрипторы) соединений, оказывающие наиболее значительное влияние на их удерживание, например, атомная масса, количество третичных алифатических аминов на колонке смешанного (mixed-mode) режима, в то время как количество пиролидиновых и пиридиновых колец, амидиновых групп и карбонильных фрагментов оказывало наибольшее влияние на удерживание в случае диольной неподвижной фазы. Было проведено квантовохимическое моделирование адсорбции изомерных диазинов на графене с использованием теории функционала плотности Кона-Шэма. Предсказанные с помощью предложенного подхода энергии связывания показывают, что характер адсорбции диазинов не является только физическим, и присутствуют специфические взаимодействия между каждым гетероциклом и графеном. Рассчитанные молекулярно-статистическим методом значения констант Генри показывают, что удерживание пиридазина должно быть сильнее, чем других изомеров, что согласуется с опубликованными экспериментальными данными. Полученные результаты позволили понять различия в характере адсорбции некоторых изомерных гетероциклических соединений на углеродных адсорбентах, и могут быть использованы для последующих фундаментальных исследований по данной тематике. Предсказанные константы Генри позволяют прогнозировать хроматографическое поведение молекул, только исходя из их строения и не требует выполнения трудоемких экспериментов. Изучено влияние способа стандартизации структуры молекулы и параметров расчета молекулярных отпечатков пальцев на точность предсказания константы кислотности. Показано, что способ выбора зарядового состояния и таутомерной формы оказывает большое влияние на точность предсказания. Исследована точность предсказания в зависимости от радиуса (размера подструктур) круговых молекулярных отпечатков пальцев. В качестве алгоритмов машинного обучения для предсказания константы кислотности использовали случайный лес и метод опорных векторов, которые продемонстрировали схожие по точности результаты после оптимизации гиперпараметров. По результатам работы в течение первого года работы по проекту опубликовано 4 статьи и 4 тезиса докладов, в том числе: https://journals.vsu.ru/sorpchrom/article/view/10570 https://www.mdpi.com/2218-1989/12/10/993 (https://github.com/turovapolina/CNN-LC-MS) https://www.sciencedirect.com/science/article/pii/S0021967322005337?via%3Dihub

Аннотация результатов, полученных в 2023 году
Для предсказания структуры молекулы из масс-спектров высокого разрешения была адаптирована модель seq2seq (последовательность-к-последовательности). Для обучения модели использовали более 100 тысяч молекул из базы данных MassBank of North America (MoNA). Масс-спектры были получены в режиме in-silico с помощью пакета rcdk. Полученные предсказанные из спектров SMILES имели схожую структуру с исходными SMILES молекул из базы, однако полного совпадения не наблюдалось. При этом наблюдалось значительное фрагментарное совпадение структур, основных молекулярных отпечатков. Невысокая точность предсказания может быть связана с относительно небольшим набором данных. Для обучения ранжированию при поиске по базе данных предсказанных MS2 масс-спектров высокого разрешения (фрагментация в ячейке соударений) был применен метод Spec2Vec. Для построения обучающего набора были выбраны 1000 экспериментальных спектров высокого разрешения из базы данных спектров MS2 NIST 17 для которых была сгенерированы выборка из 40000 возможных молекул, для которых с помощью программы CFM 4.0 были предсказаны масс-спектры MS2 для высокой энергии соударений. Из протестированных подходов на рассмотренном наборе данных наилучшую точность показывала нейронная сеть в сочетании с методом Spec2Vec (более чем в 80% случаев давала правильный ответ). Таким образом было показано, что метод Spec2Vec в сочетании с нейронной сетью для ранжирования, может быть использован для поиска по списку структур-кандидатов. Была разработана модель машинного обучения для прогнозирования вероятности разрыва связей в MS2-спектроскопии: графовая сверточная нейронная сеть с многослойным перцептроном. Сеть была обучена на данных ионов-предшественников [M-H]-, из библиотеки GNPS (Global Natural Product Social Molecular Networking). Было показано, что использование информации о молекуле, представленной в виде молекулярного графа, показывает достаточно точные результаты. Помимо модели был разработан алгоритм, обнаруживающий фрагменты, за счет которых образуются те или иные пики в масс-спектре. Этот алгоритм может быть полезен не только для нахождения диссоциировавших связей, но и для анализа спектров и понимания процессов происходящих в ячейке соударений. Для предсказания масс-спектров фрагментации по разрыву связей в структуре молекулы была применена графовая нейронная сеть, состоящая из 4 графовых сверточных слоёв и нейронной сети с одним плотносвязанным слоем, предсказывающая вероятность разрыва связи по векторам, соответствующим атомам. Для обучения модели использовалась база данных NIST 17, проверка выполнялась с помощью ряда спектров MS2 из библиотеки GNPS. В среднем точность модели с использованием графовой нейронной сети сопоставима с точностью известных моделей CFM и при этом характеризовалось значительно лучшей скоростью вычислений. Разработан алгоритм, основанный на совместном применении интеллектуального алгоритма кластеризации DBSCAN, критерия Хи-квадрат и линейной модели с расчётом расстояний между последовательно расположенными пиками, для определения принадлежности пиков, обнаруженных в масс-спектре при обработке зарегистрированных сигналов, к изотопным сериям. Показано, что предложенный алгоритм позволяет достичь качества группировки пиков, сопоставимого с существующими линейными моделями, без использования эмпирических правил, справедливых только для определённых классов химических соединений. В рамках реализации проекта была разработана программа DeepsearchMS (Свидетельство о регистрации РИД №2023680430), которая включает в себя две независимые предсказательные модели, каждая из которых решает собственную задачу. Первая модель, представляющая собой полносвязную нейронная сеть, предназначена для предсказания масс-спектров электронной ионизации низкого разрешения по SMILES вещества. Она объединяет два предсказательных блока: для прямого предсказания масс-спектра электронной ионизации, и для получения масс-спектра через предсказание нейтральных потерь. Вторая созданная модель выполняет задачу предсказания молекулярных отпечатков по экспериментальному масс-спектру. В рамках апробации разработанных в течение первого и второго года работы по проекту подходов к ранжированию кандидатов при идентификации компонентов в сложных смесях исследованы образцы эфирных масел и пищевых масел. В образцах эфирного масла ромашки идентифицировано 16 компонентов, а в случае лаванды идентифицировано 23 компонента. Образцы содержат большое количество циклических структур, в том числе и сесквитерпены, а также бициклические терпеноиды. В состав проанализированных экстрактов из пищевых масел входят предельные/непредельные альдегиды, кетоны, спирты, жирные кислоты, эфиры жирных кислот. Применение разработанных подходов позволило в 16% случаев выбрать корректный (не противоречащий наблюдаемым значениям по индексу удерживания) кандидат из ранжированного списка (SI NIST) при поиске по библиотеке масс-спектров NIST, а в 8% случаев отнести спектр к неизвестному соединению, избежав ошибочной идентификации. Выявлены дескрипторы, коррелирующих с удерживанием молекул на различных неподвижных фазах для обращенно-фазовой (ОФ) гидрофильной (HILIC) хроматографии. Для прогнозирования удерживания в итоговых моделях из них были выбраны BCUTc.1h. и XLogP. Для предсказания времен удерживаний на разных HILIC, а также ОФ фазах был применен метод дообучения (transfer learning). Модель, обученная на наборе данных из PubChem, была использована для предсказания рассчитанных дескрипторов, выбранных для HILIC фаз. Cравнение точности предсказания с помощью дообучения для моделей, обученных на дескрипторах XLogP и BCUTc.1h на 140,000 молекулах показало, что модель, обученная индексе липофильности XlogP демонстрирует меньшие значения как средних значений самих метрик (MAE и RMSE), так и погрешностей, полученных для них в результате кросс-валидации. Изучена адсорбция 1Н-пиразола, 1Н-имидазола и 1Н-1,2,4-триазола на поверхности однородного графена с помощью теории функционала плотности. Оценены электронные возмущения, возникающие как изменения электронной плотности в ходе связывания с графеном. После построения потенциалов Леннард-Джонса для всех изученных систем получены энтальпии сорбции на графене, согласно которым наиболее слабое удерживание демонстрирует 1Н-1,2,4-триазол, а среди изомерных диазолов 1Н-имидазол сильнее сорбируется на поверхности графена. Методом высокоэффективной жидкостной хроматографии исследованы особенности сорбции производных пятичленных азотсодержащих гетероциклических соединений на пористом графитированном углероде – гиперкарбе. Установлено влияние строения некоторых производных 1,2,4-триазола с окси- и гидрокси-группами, связанными с насыщенными или ароматическими углеводородными радикалами, на их хроматографическое удерживание в условиях обращённо-фазовой хроматографии. Установлено, что увеличение длины углеводородного радикала приводит к росту фактора удерживания производных 1,2,4-триазола. Показано, что на адсорбцию оказывает влияние не только положение, но и тип заместителя в молекулах. https://new.fips.ru/registers-doc-view/fips_servlet?DB=EVM&DocNumber=2023680430&TypeFile=html