fr.wedoany.com Rapport : Des chercheurs de l’Université Friedrich-Schiller d’Iéna (Friedrich-Schiller-Universität Jena), du Centre Helmholtz de Berlin pour les matériaux et l’énergie (Helmholtz-Zentrum Berlin für Materialien und Energie), de l’Institut Helmholtz d’Iéna pour les polymères dans les applications énergétiques (Helmholtz Institute for Polymers in Energy Applications Jena) et de la société suisse Zakodium Sárl ont développé un système d’intelligence artificielle nommé SECS, capable de recommander des structures moléculaires possibles à partir de données brutes de mesures spectrales et d’évaluer leur plausibilité. Ce système est disponible en libre accès, et les résultats ont été publiés dans la revue spécialisée Nature Communications.
L’élucidation structurale est une étape clé de la recherche chimique, mais elle représente un défi lorsqu’il s’agit de molécules nouvelles ou complexes. Le Dr Kevin Jablonka, de l’Université d’Iéna, souligne que les méthodes couramment utilisées, telles que la spectroscopie par résonance magnétique nucléaire (RMN), la spectroscopie infrarouge ou la spectrométrie de masse, ne fournissent chacune que des indices structuraux limités, et que le puzzle chimique constitué par les nombreux signaux de mesure doit être correctement assemblé. Pour les molécules nouvelles jamais décrites, les impuretés peuvent générer leurs propres signaux ou masquer ceux de la substance réelle, rendant l’analyse particulièrement difficile. L’avantage du nouveau système réside dans sa capacité à traiter les problèmes d’impuretés les plus courants dans les spectres RMN du proton conventionnels.
Adrian Mirza, premier auteur de l’article, explique que le nouveau système SECS combine deux méthodes d’intelligence artificielle. Le modèle apprend d’abord à transformer les spectres et les structures moléculaires en une représentation mathématique commune, puis un algorithme évolutionnaire optimise progressivement les molécules candidates en ajoutant ou supprimant des atomes et des liaisons chimiques, vérifiant à chaque étape si le résultat correspond mieux aux données de mesure. En fin de compte, le système présente une liste classée des structures possibles, accompagnée d’un score de similarité basé sur le contexte chimique.
Lors d’un test de référence utilisant différentes méthodes spectrales, SECS a classé la structure moléculaire correcte en première position dans plus de 80 % des cas. Dans une comparaison directe avec des humains, le système a obtenu des performances équivalentes à celles des experts participants pour résoudre 20 problèmes de RMN de haute difficulté. Néanmoins, l’équipe de recherche souligne que SECS n’est pas destiné à remplacer l’expertise humaine, mais à fournir un second avis utile. Si la recommandation est raisonnable et obtient un score élevé, cela contribue à renforcer la confiance dans l’interprétation ; dans le cas contraire, il convient d’examiner plus attentivement.
Le code source, les données du modèle et la version bêta de l’application sont tous accessibles au public. La version web actuelle est principalement destinée à l’analyse directe des données brutes de RMN du proton unidimensionnelle, et prendra en charge à l’avenir davantage de types de spectres et de données brutes plus complexes.
Texte compilé par Wedoany. Toute citation par IA doit mentionner la source « Wedoany ». En cas de contrefaçon ou d'autre problème, veuillez nous en informer rapidement ; nous modifierons ou supprimerons le contenu le cas échéant. Courriel : news@wedoany.com
