科学家用AI快速识别新型人造毒品，还能预测未上市毒品

近年来，作为新型毒品的新精神活性物质（NPS）大量出现在非法市场上。由于这些物质的化学多样性及其新颖性，要识别它们具有很大挑战。

最近，加拿大和美国研究者一种自动化、生成式的机器学习方法，可以仅利用质谱就确定未知的新精神活性物质的化学结构。而了解这些结构将能帮助识别疑似的人造毒品。

“我们的方法可以把识别新设计的毒品所需的时间从数周数月减少到数小时。帮助法医化学家更快识别新人造毒品可以帮助挽救生命。”主要研究者之一、加拿大英属哥伦比亚大学博士Michael A. Skinnider对澎湃新闻（www.thepaper.cn）记者表示，“我们的工作还体现了一个更基本的进步：我们可以只用质谱数据阐明新的化学结构，这在之前被认为是基本无法解决的问题。”

相关成果于当地时间11月15日发表在国家知名学术期刊《自然-机器智能》上，论文标题为“A deep generative model enables automated structure elucidation of novel psychoactive substances”。

新精神活性物质通常是通过对现有毒品的化学结构稍加修改而产生的，这些物质会造成与大麻等已知毒品相近的精神效果，诸如合成大麻素（“香料”）、合成卡西酮（“浴盐”）、迷幻色胺和苯乙胺、合成阿片类药物等。

研究者表示，新精神活性物质是一些人在实验室秘密合成的。由于毒品制造者不断琢磨出新的物质，而且难以监管到，新毒品大约以每周一种的速度进入“灰色市场”。

实际上，新精神活性物质的药理学和毒理学尚未得到很好的表征，其中许多与危及生命的中毒症和死亡有关，而且给公共卫生系统带来负担。

然而，识别新精神活性物质的工作并不容易。首先，新精神活性物质之间结构具有高度相似性。第二，新化合物进入灰色市场的速度太快，这需要为以前未知的物质开发新的检测方法。此外，检测需要大量时间精力，而这种毒品的新颖性意味着参考的分析材料稀少。

据Skinnider介绍，他们开发了一种识别刚出现在非法市场的新设计毒品的AI工具。该工具叫做“DarkNPS”，是一个支持深度学习的系统。

“这项工具可以做两件事。”Skinnider表示，第一是预测不久将来可能出现在非法市场上的未知的新型毒品的化学结构，第二是使用质谱分析技术，阐明刚出现在非法市场上的新型毒品的完整化学结构。

研究人员使用全球各地法医实验室的已知精神活性物质数据库来训练人工智能算法来了解这些药物的结构。他们使用的算法叫做“深度神经网络”，其灵感来自于人脑的结构和功能。

基于此训练，该模型生成了大约890万种潜在的人造毒品。模型训练后，研究者将非法市场上出现的196种新人造毒品进行测试，发现其中超过90%的新型毒品在模型生成的种类中。

就是说，这个模型能够预测自模型训练以来发现的几乎所有新毒品。

此外，研究人员发现该模型还能了解到哪些毒品更可能出现在市场上，哪些则不太可能出现。

研究人员将196种新精神活性物质的每一种都进行了测试。研究人员发现，他们的模型在72%的情况下，能将一种未知毒品的正确化学结构排在前十名候选毒品中。集成串联质谱数据，可提高到86%。

“该模型表现如此出色令我们震惊。因为仅通过精确的质量测量来阐明整个化学结构通常被认为是一个无法解决的问题。将数十亿个结构的列表缩小到10个候选结构，可以大大加快化学家识别新设计药物的速度。”Skinnider表示。

Skinnider表示，如果可以将相同的基本算法扩展到其他类型的分子，如人类血液或尿液中的分子，我们就可以自动识别隐藏在显眼处的其他医学上重要的新分子。

“我们知道，普通人一生中会接触到约300万种不同的化学物质。这些化学物质存在于我们驾驶的汽车、我们住的房子、我们工作的实验室和办公室以及我们吃饭的餐馆中。然而，目前，绝大多数这些化学物质仍然未知。”Skinnider表示，“我们认为，相同的基本方法可用于从质谱数据中自动识别各种新分子，这可能开辟一个全新化学世界。而现在我们触手可及。”