Результаты совместных исследований ученых Казанского федерального университета, МГУ, Университета Страсбурга (Франция) и университета Хоккайдо (Япония) опубликованы в Journal of Chemical Information and Modeling.

Международный коллектив исследователей создал вычислительную модель, учитывающую фундаментальные химические законы при предсказании свойств молекул. Работа велась в рамках проекта «Применение методов искусственного интеллекта к планированию синтеза химических веществ» Президентской программы исследовательских проектов Российского научного фонда.

«Мы предложили способ, как можно внедрять известные химические уравнения внутрь некоторых методов машинного обучения. Он был испробован на предсказании константы таутомеризации и кислотности, которые связаны уравнением Кабачника. Используя функциональную взаимозависимость между ними, одна нейросеть учится предсказывать оба этих свойства молекулы», - рассказал руководитель проекта, доцент Химического института им.А.М.Бутлерова КФУ, старший научный сотрудник НИЛ Хемоинформатика и молекулярное моделирование КФУ Тимур Маджидов.

Как объяснил химик, прототропная таутомерия – явление обратимой изомерии, при которой изомеры (вещества, имеющие одинаковый качественный и количественный состав, но различающиеся строением и свойствами) легко переходят друг в друга за счет переноса атома водорода.

«Таутомерные превращения очень характерны для органических соединений, им подвержены около половины известных соединений. Например, один из механизмов спонтанного появления мутаций связан с таутомерными превращениями нуклеиновых оснований ДНК. Поэтому необходимо учитывать таутомерию при регистрации новых соединений, компьютерном дизайне новых лекарств и поиске молекул с заданными свойствами».

Тимур Маджидов и другие авторы статьи «Cопряженные модели «структура-свойство»: применение для одновременного предсказания констант кислотности и таутомерного равновесия» считают, что полученные ими научные результаты позволят не только повысить точность прогнозирования физико-химических свойств создаваемых  лекарственных средств и новых материалов, но добиться более корректного предсказания  параметров  химических реакций.