Исследователи из Мичиганского университета создали крупнейшую на сегодняшний день открытую базу данных химических реакций, которая может значительно ускорить разработку новых лекарств и улучшить работу систем искусственного интеллекта в химии.

Работа опубликована в журнале Journal of the American Chemical Society.

В центре исследования — более 50 000 тщательно спланированных химических экспериментов. Они охватывают тысячи комбинаций реагентов и условий реакции, направленных на изучение образования связей углерод–азот — ключевых структурных элементов большинства современных лекарственных препаратов.

Учёные отмечают, что разработка новых лекарств традиционно требует огромного числа проб и ошибок: тысячи экспериментов, значительные временные затраты и зависимость от редких и дорогих металлов, используемых в качестве катализаторов. Несмотря на развитие искусственного интеллекта, его эффективность ограничена качеством доступных данных, которых в химии до сих пор недостаточно.

Новая база данных призвана заполнить этот пробел. Она размещена в открытом доступе через платформу Open Reaction Database и уже сейчас считается крупнейшим структурированным набором данных о химических реакциях.

По словам руководителя исследования Тима Сернака, проект создавался более десяти лет и пока охватывает лишь небольшую часть возможных химических условий, но уже способен выявлять закономерности, которые трудно заметить в традиционных исследованиях.

Одним из ключевых результатов стало сравнение эффективности различных катализаторов — палладия, никеля и меди. Палладий широко используется в фармацевтическом синтезе, однако его добыча и поставки зависят от ограниченного числа стран, что создаёт уязвимости в цепочках поставок.

Исследование показало, что в ряде реакций никель может работать не хуже палладия, а иногда и медь демонстрирует сопоставимую эффективность. Это открывает путь к использованию более доступных и географически распределённых материалов в фармацевтическом производстве.

Учёные также обнаружили неожиданные химические закономерности, включая образование высокоактивных промежуточных молекул при более низких температурах, чем предполагалось ранее. По их словам, такие результаты трудно было бы получить без анализа больших массивов стандартизированных данных.

Авторы подчёркивают, что сочетание больших экспериментальных наборов данных и ИИ может радикально изменить подход к созданию лекарств — сделать его быстрее, дешевле и менее зависимым от редких материалов.