Журнал Mendeleev Communications опубликовал специальный выпуск «Artificial Intelligence in Chemistry and Materials Science». О важности и широте применения методов машинного обучения и искусственного интеллекта в химии можно судить по разнообразию представленных статей. Среди представленных работ две выполнены участниками НОШ МГУ «Мозг». Обе посвящены исследованию свойств биомакромолекулярных систем.
В одной из работ рассматривается практически важная задача предсказания спектров флуоресцентных белков. За исследование этих белков в 2008 году была присуждена Нобелевская премия, и в настоящий момент они являются основным средством визуализации в живых организмах, тканях и клетках. Современный уровень развития приборов позволяет визуализировать несколько процессов одновременно при соблюдение определенных особенностей спектральных свойств маркеров. При этом необходимо иметь информацию не только о положении максимумов спектральных полос, но и о их форме, чтобы контролировать перекрывание полос от разных маркеров. Прямой расчёт формы спектральной полосы с необходимой точностью практически невозможно, однако методы машинного обучения успешно справляются с этой задачей, что и продемонстрировано в представленной работе.
Вторая работа носит фундаментальный характер и позволяет определить взаимосвязь характеристик ковалентной связи между фосфором и кислородом в активных центрах ферментов. Такие данные необходимы для классификации механизма реакции по типу, а также прогнозирования скорости протекания реакции.
В одной из работ рассматривается практически важная задача предсказания спектров флуоресцентных белков. За исследование этих белков в 2008 году была присуждена Нобелевская премия, и в настоящий момент они являются основным средством визуализации в живых организмах, тканях и клетках. Современный уровень развития приборов позволяет визуализировать несколько процессов одновременно при соблюдение определенных особенностей спектральных свойств маркеров. При этом необходимо иметь информацию не только о положении максимумов спектральных полос, но и о их форме, чтобы контролировать перекрывание полос от разных маркеров. Прямой расчёт формы спектральной полосы с необходимой точностью практически невозможно, однако методы машинного обучения успешно справляются с этой задачей, что и продемонстрировано в представленной работе.
Вторая работа носит фундаментальный характер и позволяет определить взаимосвязь характеристик ковалентной связи между фосфором и кислородом в активных центрах ферментов. Такие данные необходимы для классификации механизма реакции по типу, а также прогнозирования скорости протекания реакции.