Research press release


Nature Machine Intelligence

Computational biology: Machine learning approach to identify new designer drugs

「デザイナードラッグ」や「危険ドラッグ」と呼ばれる未知の新しい向精神薬の化学構造を質量スペクトルのみから決定することのできる、自動化された生成的な機械学習手法について報告する論文が、Nature Machine Intelligence に掲載される。これらの構造に関する知識は、法医学研究所がデザイナードラッグの疑いのある物質をより迅速に特定するのに役立つだろう。


今回、Michael Skinniderたちは、世界中の法医学研究所からクラウドソーシングした機密データを用いて機械学習モデルを訓練し、最近のデザイナードラッグに似た構造と特性を持つ分子を生成した。続いて、このモデルにより、新しい向精神薬となる可能性のある10億種類の構造のデータベースを作成した。訓練後に収集した新しいデータでモデルのテストを行ったところ、この手法では質量スペクトルのみから未知のデザイナードラッグの化学構造を決定できることが明らかになった。未知のデザイナードラッグの構造を正しく決定できなかった場合も、モデルはそれに非常によく似た構造を提案していた。


The chemical structure of unknown, new psychoactive substances, also known as ‘designer drugs’ or ‘legal highs’, can be determined from their mass spectrum alone thanks to an automated, generative, machine learning approach presented in Nature Machine Intelligence. Knowledge of these structures could help forensic laboratories to more quickly identify suspected designer drugs.

A large number of new psychoactive substances appear on the illicit market every year. These substances provide psychoactive effects similar to those of known illicit drugs; however, as they are synthesized in a way that makes them chemically different, they avoid existing drug legislation and even detection. Forensic laboratories use mass spectrometry to identify known designer drugs in seized pills or powders. Elucidating the structure of an entirely new designer drug, however, typically requires weeks or months of work by expert chemists and the use of additional experimental techniques.

Michael Skinnider and colleagues used confidential data crowdsourced from forensic laboratories around the world to train a machine learning model to generate molecules with structures and properties similar to those of recent designer drugs. A database of one billion structures of potential, new psychoactive substances was subsequently produced by the model. Testing the model with new data — collected after it was trained — revealed that this approach could determine the chemical structure of unknown designer drugs from their mass spectrum alone. In instances in which an exact structure could not be accurately determined, the model suggested structures that were very similar to the unknown designer drug.

The authors conclude that similar generative approaches, trained on other datasets, could also help to identify the structure of unknown molecules in other specialized domains, such as the identification of new performance-enhancing drugs or environmental pollutants.

doi: 10.1038/s42256-021-00407-x

「Nature 関連誌注目のハイライト」は、ネイチャー広報部門が報道関係者向けに作成したリリースを翻訳したものです。より正確かつ詳細な情報が必要な場合には、必ず原著論文をご覧ください。

メールマガジンリストの「Nature 関連誌今週のハイライト」にチェックをいれていただきますと、毎週最新のNature 関連誌のハイライトを皆様にお届けいたします。