TIC
- Information et Communication
- Informatique
Prédire plus vite la position des atomes
- Tweeter
-
-
1 avis :
Comment va se comporter un médicament en poudre une fois dans notre corps ? Pour le savoir, il est essentiel de connaître sa structure précise à l’échelle atomique. La façon dont les molécules sont arrangées dans un cristal influence en effet directement ses propriétés, telles que sa solubilité. Il est donc crucial d'arriver à connaître finement la structure cristalline exacte dans les poudres microcristallines.
A l’EPFL, des chercheurs ont développé une méthode de machine learning qui prédit en un temps record la réponse des atomes face à un champ magnétique. Ce système, combiné à la spectroscopie par résonance magnétique nucléaire (RMN), permet de déterminer la position exacte des atomes dans une molécule organique complexe. De quoi intéresser les entreprises pharmaceutiques, qui doivent contrôler très précisément la structure des molécules pour des questions de sécurité des patients. La recherche a été publiée dans Nature Communications.
La Résonance magnétique nucléaire (RMN) est une méthode de spectroscopie connue et puissante qui sonde les champs magnétiques entre les atomes. Elle donne des indications sur la façon dont les atomes interagissent avec leurs voisins. Cependant, afin de déterminer la structure cristalline complète, la RMN doit être couplée à des calculs complexes - basés sur la chimie quantique - qui sont extrêmement chronophages, et qui sont pratiquement impossibles à réaliser sur des molécules dont la structure est très sophistiquée.
La technique des chercheurs de l’EPFL fait sauter ces limitations. Les scientifiques ont entraîné un modèle d’intelligence artificielle à reconnaître des structures de molécules, à partir de bases de données existantes. « Même pour des molécules relativement simples, notre modèle est presque 10.000 fois plus rapide que les méthodes existantes. Comme le souligne Michele Ceriotti, directeur du Laboratoire de science computationnelle et modélisation (COSMO) à la Faculté des sciences et techniques de l’ingénieur, « Grâce à notre technique – ShiftML -, nous pouvons prédire la signature RMN d’un cristal de presque 1600 atomes en six minutes. Une performance qui aurait pris 16 ans avec les techniques conventionnelles ».
« Nous sommes très enthousiastes, car l’accélération massive du temps de computation va nous permettre de couvrir des espaces conformationnels plus larges, et de déterminer des structures qu’il n’était simplement pas possible de déterminer jusqu’ici. La plupart des molécules médicamenteuses sont désormais à notre portée », commente Lyndon Emsley, co-auteur de l’étude et directeur du Laboratoire de résonance magnétique à la Faculté des sciences de base.
Article rédigé par Georges Simmonds pour RT Flash
Noter cet article :
Vous serez certainement intéressé par ces articles :
Un système à base d’intelligence artificielle fait mieux que les humains pour identifier les odeurs
Des chercheurs américains ont montré qu'une modélisation olfactive formée par ordinateur peut faire mieux que les humains pour identifier les odeurs. En analysant 500 000 molécules odorantes ...
Un nouveau modèle d'IA modulaire
Tout le monde a entendu parler des grands modèles de langage (LLM). Ce sont des modèles d’apprentissage profond à grande échelle entraînés sur d’immenses quantités de texte qui constituent la base ...
Une puce neuromorphique pour détecter les anomalies cardiaques
Le CEA-Leti et le Centre de nanosciences et de nanotechnologies ont conçu une puce neuromorphique embarquant une IA bayésienne, capable de détecter et de classifier des anomalies cardiaques. Le ...
Recommander cet article :
- Nombre de consultations : 410
- Publié dans : Informatique
- Partager :