Разработка предиктора pKa (pKaLearn) с использованием преподавательского опыта для улучшения машинного обучения

Почему важно учить машины об кислотах

Повседневные продукты — от лекарств до батарей — зависят от того, насколько легко молекулы отдают или принимают протоны, свойства, выражаемого знакомой шкалой pH и её молекулярным аналогом pKa. Измерение pKa в лаборатории требует времени и ресурсов, а даже продвинутые вычислительные методы могут быть медленными или ненадёжными. В этом исследовании поставлен простой, но значимый вопрос: что если мы будем учить компьютеры базовой химии так же, как учим студентов, а затем попросим их предсказывать значения pKa быстрее и точнее?

От правил в классе к правилам для компьютера

На занятиях по химии студенты идут поэтапно. Сначала знакомятся с атомами и простыми закономерностями, например электроотрицательностью, затем осваивают такие понятия, как резонанс, напряжение колец и влияние соседних групп на распределение электронов. Только позже они решают более сложные задачи — например, какой атом водорода в сложной молекуле будет наиболее кислым. Авторы утверждают, что большинство моделей машинного обучения пропускают эту последовательность. Им часто дают сырые структуры или абстрактные отпечатки, и им приходится самим выявлять закономерности, что может привести к запоминанию примеров вместо понимания причин. В этой работе команда намеренно кодирует те же базовые идеи, которыми пользуются преподаватели, и передаёт их в алгоритмы.

Создание модели, мыслящей как химик

Исследователи сосредоточились на предсказании значений pKa для малых органических молекул — ключевого свойства при разработке лекарств и во многих областях химии. Они создали модель pKaLearn на основе графовой нейронной сети, которая рассматривает молекулу как набор атомов, соединённых связями. Вместо того чтобы полагаться только на общие структурные коды, они добавили признаки, непосредственно связанные с принципами из учебников: насколько полярна связь, какое количество связей отделяет заряженную группу от ионизуемого участка, входит ли связь в кольцо и как сопряжение и резонанс могут распределять заряд. Также они измеряли, как далеко распространяются тонкие эффекты, такие как индуктивное притяжение, вдоль цепи атомов, и спроектировали сеть так, чтобы каждый ионизуемый сайт «чувствовал» своё окружение примерно на семь связей вокруг.

Обучение, тестирование и предотвращение простого запоминания

Чтобы проверить, действительно ли такой подход помогает модели учиться, авторы тщательно собрали и очистили набор данных примерно из 13 000 значений pKa. Вместо обычного случайного разбиения, которое может сделать тренировочные и тестовые молекулы очень похожими, они сгруппировали молекулы по кластерам, чтобы в тестовой выборке оказались новые химические семейства. Такой более строгий экзамен показывает, усвоила ли модель общие правила или просто запомнила примеры. В этих условиях pKaLearn достигал типичных ошибок ниже 0,7 единицы pKa, что лучше, чем у традиционных статистических моделей на основе отпечатков, и превосходило несколько существующих предикторов на базе машинного обучения и квантовой химии. Когда они пробовали стандартные упрощения, например учитывать только типы элементов или использовать распространённое программное определение сопряжённых связей, качество падало, подчёркивая ценность химически осмысленных и чётко определённых признаков.

Сравнение с другими умными предикторами

Команда сравнила pKaLearn с известными инструментами для предсказания pKa на общепринятых бенчмарках, включая молекулы от фармацевтических компаний и «слепые» испытания, где истинные ответы были скрыты во время разработки. В этих тестах их модель последовательно сравнялась или превзошла методы, сочетающие тяжёлые квантовые вычисления и машинное обучение, а также другие графовые нейронные сети. Важно, что они также проанализировали случаи ошибок в прогнозах — часто их причины сводились к пропущенным ионизуемым участкам, сложным таутомерам, способным перемещать протоны внутри молекулы, или неоднозначным экспериментальным данным. В целом лишь небольшая доля соединений показала крупные ошибки, а качество оставалось стабильным для многих различных функциональных групп.

Что это значит для химиков и не только

Исследование демонстрирует, что машины выигрывают, когда их учат как студентов. Встраивая простые, но эффективные химические идеи напрямую в алгоритм обучения, авторы создали предиктор pKa, который одновременно точен и более интерпретируем по сравнению с «чёрными ящиками». Для практических пользователей это означает более быстрые и надёжные оценки кислотности и основности для широкого круга молекул, что помогает в разработке лекарств и других задачах молекулярных исследований. В более широком смысле работа предлагает путь для будущих инструментов: вместо того чтобы требовать от искусственного интеллекта заново открывать фундаментальные научные принципы, можно встроить человеческую экспертизу и позволить моделям сосредоточиться на уточнении и расширении этих знаний.

Цитирование: Genzling, J., Luo, Z., Weiser, B. et al. Development of a pKa predictor (pKaLearn) by leveraging teaching experience to improve machine learning. Commun Chem 9, 181 (2026). https://doi.org/10.1038/s42004-026-01983-y

Ключевые слова: предсказание pKa, машинное обучение, графовая нейронная сеть, вычислительная химия, дизайн лекарств