На 3 ноември Google DeepMind представи набор от умения за хемоинформатика в Google Antigravity. Агентът може да използва локални инструменти за обработка на химични структури, да търси записи в научни бази и да подготвя данни за анализ. Пакетът се предлага през приставката Science за приложението Antigravity. Публичното хранилище Science Skills описва по-широка колекция от работни инструкции, скриптове и връзки към научни ресурси.

Как се преминава от публикация към набор от данни

Подходът стъпва върху RDKit, библиотека с отворен код за работа с химични структури, и свързва агента с ресурси като ChEMBL и PubChem. При проучване на клас съединения изследователят може да поиска да бъдат открити структури, да се съпоставят с отчетени измервания и да се подготви таблица за последваща проверка. Отделни умения помагат и при представяне и проверка на реакции. Използването на инструмент за структурата намалява зависимостта от това дали езиковият модел може да възпроизведе надеждно всяка подробност от текста.

В демонстрацията на DeepMind задачата е да се намерят съединения, свързани с кризотиниб и лорлатиниб. Агентът извлича кандидати от литературата, отстранява записи като разтворители и свързва останалите с данните им. Интерактивен изглед позволява да се отворят отделни структури и да се сравнят свойства като активност и брой въртящи се връзки. Това е описан от разработчика пример за работа върху конкретна тема. Резултатите зависят от източниците и от начина, по който е подбрана извадката.

Защо е важно разделянето на данните

Демонстрацията включва сравнение на близки молекули с конкретна структурна разлика, както и обучаване на модели за предсказване на активност. DeepMind описва оценяване върху отделени данни. При наличие на дати времево разделяне позволява по-старите записи да служат за обучение, а по-новите за проверка. Разделяне по химичен скелет проверява друга граница. То показва как се справя моделът при групи, които не са толкова сходни с видените при обучението.

За екип, който оценява такъв процес, практичен тест е да проследи няколко избрани молекули обратно до първичните таблици. Проверете идентичността, мерните единици и дали резултатите са от съпоставими експерименти. Ако близки аналози се намират от двете страни на разделянето, общата оценка може да изглежда по-добра от представянето върху наистина нова химия. Подобни проверки са част от работата на изследователя дори когато агентът подготвя данните.

Какво може да се използва сега

DeepMind посочва, че уменията вече са налични през Science. Компанията обяви и програма за 10 000 учени с шест месеца достъп до най-високото ниво на използване, при условия за допустимост, капацитет и подбор. Това е отделно от наличността на самата приставка.

Полезният резултат от работния процес е набор от проследими хипотези и кандидатни структури за допълнително изследване. Шумът между лаборатории, оскъдните данни и различните измервателни методи ограничават предсказанията. DeepMind изрично посочва, че предложените съединения трябва да бъдат синтезирани и проверени експериментално. Затова отчетът за произхода и качеството на данните е част от стойността на инструмента, наред със спестената ръчна обработка.