新模型预测分子在不同溶剂中的溶解情况

快速阅读: 麻省理工学院化学工程师开发机器学习模型预测分子在有机溶剂中的溶解度，简化新药开发，提供更环保溶剂选择，准确率提升2-3倍。

麻省理工学院化学工程师利用机器学习，开发了一种计算模型，能够预测任何给定分子在有机溶剂中的溶解度。这一步骤对于合成几乎所有药物至关重要。这种预测方法将大大简化开发新药和其他有用分子的方法。

研究人员表示，新模型可以预测特定溶剂中溶质的溶解量，有助于化学家选择合适的溶剂进行合成反应。常见的有机溶剂包括乙醇和丙酮，此外还有数百种其他溶剂可用于化学反应。

“溶解度预测是化学合成规划和制造过程中的关键步骤，尤其是在药物领域，因此长期以来人们一直希望提高溶解度预测的准确性。”麻省理工学院研究生卢卡斯·阿蒂亚说，他是这项新研究的主要作者之一。

研究人员免费提供了该模型，许多公司和实验室已经开始使用它。该模型特别有助于识别比常用工业溶剂危害较小的替代品。“有些溶剂几乎能溶解所有物质，非常有用，但对环境和人体有害，因此许多公司要求尽量减少这些溶剂的使用。”同样也是论文主要作者的麻省理工学院研究生杰克逊·伯恩斯说，“我们的模型在识别更环保的替代溶剂方面非常有用。”

化学工程教授威廉·格林和麻省理工能源计划主任是该研究的资深作者，该研究今天发表在《自然通讯》上。化学工程教授帕特里克·多伊尔也是该论文的作者。

解决溶解度问题

新模型源于阿蒂亚和伯恩斯在麻省理工学院一门关于将机器学习应用于化学工程问题的课程项目。传统上，化学家使用阿布拉罕溶解度模型来预测分子的整体溶解度，通过加总分子内化学结构的贡献来估算。虽然这些预测很有用，但其准确性有限。

近年来，研究人员开始尝试使用机器学习来提高溶解度预测的准确性。在伯恩斯和阿蒂亚开发新模型之前，最先进的溶解度预测模型是格林实验室在2022年开发的SolProp模型。该模型通过预测一组相关属性并结合热力学原理最终预测溶解度。然而，该模型在预测未见过的溶质溶解度时存在困难。

“在药物和化学品发现过程中，当开发新分子时，需要提前预测其溶解度。”阿蒂亚说。

现有溶解度模型效果不佳的部分原因是缺乏全面的数据集进行训练。然而，2023年发布了一个名为BigSolDB的新数据集，汇总了近800篇已发表论文的数据，包括约800种分子在100多种常用合成化学有机溶剂中的溶解度信息。

阿蒂亚和伯恩斯决定尝试用这些数据训练两种不同类型的模型。这两种模型都使用称为嵌入的数值表示来表示分子的化学结构，这些嵌入包含了分子中原子数量和原子间连接的信息。模型可以利用这些表示来预测各种化学性质。

本研究中使用的一种模型是FastProp，由伯恩斯和其他人在格林实验室开发，采用“静态嵌入”。这意味着模型在进行任何分析之前已经知道每个分子的嵌入。

另一种模型是ChemProp，在训练过程中为每个分子学习嵌入，同时学习嵌入特征与溶解度等特性之间的关联。该模型由多个麻省理工学院实验室共同开发，已用于抗生素发现、脂质纳米颗粒设计和化学反应速率预测等任务。

研究人员利用BigSolDB中的4万多个数据点训练了两种模型，这些数据包括温度对溶解度的影响。随后，他们在约1000种未参与训练的溶质上测试了这些模型。结果显示，新模型的预测准确率比此前最佳的SolProp模型高出两到三倍，尤其在预测温度变化引起的溶解度变化方面表现优异。

伯恩斯表示：“即使在实验噪声很大的情况下，模型仍能准确预测温度变化引起的微小溶解度差异，这表明网络已经正确学习了底层的溶解度预测函数。”

研究人员原本预期基于ChemProp的模型能够做出更准确的预测，因为它可以边学边生成新的表示。然而，令他们惊讶的是，两个模型的表现几乎相同。这表明数据质量是主要的限制因素，模型的性能已经达到了当前数据条件下的理论极限。

伯恩斯说：“当数据量足够时，ChemProp 应该优于任何静态嵌入方法。我们惊讶地发现，无论是在各个子集上，静态嵌入和学习嵌入在性能上没有显著差异，这表明数据限制是影响模型性能的主要因素。”

研究人员表示，如果能获得更好的训练和测试数据，模型的准确性将进一步提高。理想的数据应由同一个人或经过统一培训的团队采集。

阿提亚指出：“使用这些综合数据集的一个主要限制是，不同实验室在进行溶解度测试时采用的方法和实验条件各不相同，这导致不同数据集之间存在较大差异。”

由于FastProp模型预测速度快且代码易于其他用户适应，研究人员决定将该模型以FastSolv的形式公开。目前，多家制药公司已经开始使用这一模型。

伯恩斯说：“该模型在药物发现的各个环节都有应用前景。我们也期待看到，除了配方和药物发现之外，人们还能在哪些领域使用这一模型。”

这项研究部分得到了美国能源部的资助。

(以上内容均由Ai生成)