利用質(zhì)譜即可檢測(cè)未知新型人造毒品！可生成900萬(wàn)個(gè)潛在致幻劑分子結(jié)構(gòu)
據(jù)公安部新聞中心，公安部治安管理局官方微博：“禁毒民警是公安隊(duì)伍里最危險(xiǎn)、犧牲最多的警種之一，2017 年以來(lái)全國(guó)有 30 余名禁毒民警犧牲、60 余名禁毒民警負(fù)傷。與毒販交鋒中，受傷、流血是家常便飯，這些傷痕，成為一道道無(wú)法抹去的‘勛章’?！?/p>
近日，正在國(guó)外讀博的南京青年汪飛，聯(lián)合團(tuán)隊(duì)成員研發(fā)出一款新方法，只需利用質(zhì)譜，即可獲得未知新型精神藥物即人造毒品的化學(xué)結(jié)構(gòu)。
11 月 15 日，相關(guān)論文以《一個(gè)深入的生成模型可以自動(dòng)闡明新的精神活性物質(zhì)的結(jié)構(gòu)》（A deep generative model enables automated structure elucidation of novel psychoactive substances）為題發(fā)表在Nature Machine Intelligence上。
這是一種自動(dòng)化、生成式的機(jī)器學(xué)習(xí)方法，了解人造毒品的化學(xué)結(jié)構(gòu)后，即可幫助相關(guān)人員更快識(shí)別出疑似人造毒品。
據(jù)悉，全球每年有大量新型精神藥物在非法市場(chǎng)上冒出來(lái)，它們往往會(huì)帶來(lái)和已知非法藥物相似的精神效果。但是，鑒于這些物質(zhì)的合成方式不同，因此其化學(xué)表現(xiàn)也有所不同。
正因此，它們多數(shù)不在現(xiàn)有毒品法規(guī)的管轄范圍之內(nèi)，從而導(dǎo)致很難被偵測(cè)。通常，人造毒品的檢測(cè)由相關(guān)法醫(yī)實(shí)驗(yàn)室完成，檢測(cè)時(shí)一般是從被查封藥片或粉末中采樣，并使用質(zhì)譜分析法進(jìn)行識(shí)別。
這并不是一件容易事，要想弄清楚一款全新人造毒品的結(jié)構(gòu)，化學(xué)專家們往往需要持續(xù)數(shù)周甚至數(shù)月的埋頭工作，并且還得借助其他類型的實(shí)驗(yàn)技術(shù)。
研究中，汪飛和團(tuán)隊(duì)，從世界各地的法醫(yī)實(shí)驗(yàn)室眾包的保密數(shù)據(jù)中，訓(xùn)練出這款機(jī)器學(xué)習(xí)模型，它能從結(jié)構(gòu)和性質(zhì)上生成和近期人造毒品相似的分子。
該研究主要針對(duì)一類叫做 NPS（novel psychoactive substances）的藥品，也就是新型精神藥品。這類新型精神藥品通常由“街頭化學(xué)家”所創(chuàng)造，它們和大麻、海洛因等毒品一樣，都具有致幻效果。為了逃避法律的制裁，新型精神藥品的化學(xué)結(jié)構(gòu)通常不為人所知。
當(dāng)前，執(zhí)法部門和醫(yī)療部門存在的痛點(diǎn)，是如何去檢測(cè)它們。比如執(zhí)法部門在機(jī)場(chǎng)截獲一批粉末，需要知道這是什么，或者醫(yī)療部門今天有一個(gè)服用過(guò)量的病人，那就需要知道病人到底服用了什么。
該問(wèn)題的難點(diǎn)在于，首先要知道它可能是什么？以及它可能的結(jié)構(gòu)是什么。目前，要想獲取結(jié)構(gòu)比較常見的實(shí)驗(yàn)室手段有 2 個(gè)：一個(gè)是通過(guò)核磁共振（NMR）；另外是通過(guò)質(zhì)譜（MS）。
也就是當(dāng)獲取樣本之后，要先得到它的核磁共振圖譜或者質(zhì)譜圖，拿到圖譜之后去一個(gè)數(shù)據(jù)庫(kù)里做對(duì)比。如果數(shù)據(jù)庫(kù)里有現(xiàn)成數(shù)據(jù)，即可知道需要檢測(cè)的樣本是什么。
但是在大家從未見過(guò)該物質(zhì)的結(jié)構(gòu)的情況下，很難確認(rèn)它是什么。而該研究主要是使用深度學(xué)習(xí)的方法來(lái)研究檢測(cè)新型精神藥品。
研究中該團(tuán)隊(duì)用大約 1700 多個(gè)新型致幻劑的結(jié)構(gòu)訓(xùn)練了化學(xué)語(yǔ)言模型模型(DarkNPS)。這個(gè)模型使用SMILES（multiple simplified molecular-input line-entry system）文本來(lái)表示分子結(jié)構(gòu)。
從概念上來(lái)看，這模型非常類似 OpenAI 的 GPT-3，只不過(guò) GPT-3 的輸入是人類語(yǔ)言文本，而該模型的輸入是一個(gè)分子的文本表達(dá)。這個(gè)模型可以生成大量的分子表達(dá)文本。通過(guò)改模型他們獲得了大約 10 億個(gè)不同的輸出。由于分子的 SMILES 可以是重復(fù)的。
即同樣的分子結(jié)構(gòu)可有不同的文本表達(dá)，再去除了不合格的表達(dá)式之后，最終得出 890 萬(wàn)個(gè)的潛在新型精神藥品的分子結(jié)構(gòu)。接下來(lái)，該團(tuán)隊(duì)使用了一個(gè)現(xiàn)有的質(zhì)譜預(yù)測(cè)模型（CFM-ID，給每一個(gè)分子結(jié)構(gòu)計(jì)算了 MS / MS 質(zhì)譜。在測(cè)試種該系統(tǒng)實(shí)現(xiàn) 68 % 的 Top-3 檢測(cè)準(zhǔn)確率。
為了進(jìn)一步驗(yàn)證該系統(tǒng)的檢測(cè)能力，該團(tuán)隊(duì)和歐洲的檢測(cè)機(jī)構(gòu)進(jìn)行了合作，后者提供了一些今年剛剛收集到的樣本。在這些樣本里面，他們檢測(cè)到了一個(gè)之前尚未被發(fā)現(xiàn)的新型毒品（DMXE）。
汪飛表示，毒品檢測(cè)的功能是該成果目前的主要可行應(yīng)用，它已經(jīng)被包括美國(guó)緝毒局、德國(guó)聯(lián)邦警察還有歐洲的一些執(zhí)法機(jī)構(gòu)使用。
此外，將人工智能的分子生成結(jié)構(gòu)的模型和質(zhì)譜生成的模型組合在一起使用的方法它會(huì)對(duì)于小分子識(shí)別，尤其生物檢測(cè)樣本提供一個(gè)新的思路。
另外一些比較有意思的應(yīng)用前景可能包括檢測(cè)興奮劑，相同的方法也可用在醫(yī)療相關(guān)的一些檢測(cè)項(xiàng)目上面。而對(duì)于生成模型本身，它可以用在藥物研發(fā)、以及檢測(cè)環(huán)境污染物上。
汪飛回憶自己的研究方側(cè)重于為化學(xué)和分子生物學(xué)提供更適用的機(jī)器學(xué)習(xí)方法。在他就讀的阿爾伯塔大學(xué)（University of Alberta），他在碩士研究生第二年開始去選擇導(dǎo)師做課題。開始他其實(shí)對(duì)強(qiáng)化學(xué)習(xí)更感興趣的，但在當(dāng)時(shí)該方向的競(jìng)爭(zhēng)比較激烈，很多厲害的導(dǎo)師都沒有名額。
有一天他遇到了現(xiàn)在的導(dǎo)師，然后他問(wèn)導(dǎo)師：“您這有什么有意思的項(xiàng)目嗎？”
他導(dǎo)師看著他并問(wèn)了一句：“你覺得去把分子炸掉這件事情你喜不喜歡？”
他非常強(qiáng)調(diào)的是把它給爆破掉這么一個(gè)動(dòng)作，汪飛當(dāng)時(shí)覺得非常有意思，想都沒想就答應(yīng)了。他認(rèn)為，至少把分子炸成碎片，聽起來(lái)比做其他研究好玩很多。
更有意思的一件事情，就是在本次研究中，他和團(tuán)隊(duì)其實(shí)是先把分子用一個(gè)一個(gè)原子給它拼裝了起來(lái)，之后再把它給炸掉（質(zhì)譜）。
本科時(shí)，汪飛在在美國(guó)和加拿大邊境的一個(gè)學(xué)校讀本科，當(dāng)時(shí)讀的是計(jì)算機(jī)專業(yè)。學(xué)校非常的小，但是它的機(jī)會(huì)非常多，本科時(shí)他就使用人工機(jī)器學(xué)習(xí)做數(shù)學(xué)公式的識(shí)別。
汪飛回憶稱，那會(huì)大家還在使用支撐向量機(jī)（support vector machine, SVM），深度學(xué)習(xí)在當(dāng)時(shí)還沒有現(xiàn)在這么流行。
本科畢業(yè)之后，他去做了幾年電子游戲的開發(fā)。
但是游戲開發(fā)本身是一個(gè)挺枯燥的過(guò)程，因?yàn)榭偸窃谥貜?fù)做一樣的事情。所以，后來(lái)他決定繼續(xù)深造，目前，他已經(jīng)拿到了碩士學(xué)位，現(xiàn)在在開展博士課題的研究，并打算在該成果的基礎(chǔ)之上繼續(xù)做研究。