0551-69105010
《自然-機器智能》的論文A deep generative model enables automated structure elucidation of novel psychoactive substances發表了一種自動化、生成式的機器學習方法，可以僅利用質譜就確定未知的新型精神藥物（又稱人造毒品）的化學結構。了解這些結構能幫助法醫實驗室更快識別出疑似的人造毒品。
每年有大量新型精神藥物出現在非法市場上。這些物質會造成與已知非法藥物相近的精神效果；但因為其合成方式使其在化學上有所不同，這些藥物規避了現有的毒品法規，甚至難以被偵測。法醫實驗室使用質譜分析法在查封藥片或粉末中識別已知人造毒品。但是，要弄清一種全新人造毒品的結構，通常需要化學專家工作數周或數月，并且需要用到其它的實驗技術。
加拿大英屬哥倫比亞大學的Michael Skinnider和同事使用全球各地法醫實驗室眾包的保密數據訓練一個機器學習模型，產生結構和性質類似于近期人造毒品的分子。該模型隨后產生了一個數據庫，包含十億種潛在新型精神藥物的結構。用模型訓練結束后新收集的數據測試該模型，發現這一方法可以僅用質譜就確定未知人造毒品。在準確結構難以精準確定的實例中，該模型建議的結構與未知人造毒品非常相似。
作者總結說，用其他數據集訓練的類似的生成方法也可以幫助識別其他特定領域未知分子的結構，例如識別新型興奮劑或者環境污染物。
新型精神藥物的機器學習模型
文章來源：騰訊網
文章鏈接：最強“鑒毒師”？AI超快速鑒定毒品，還可預測新型精神藥物
文字報道：何遙
文章編輯：陳慧
