ИСТИНА

Прогнозирование времени удерживания в высокоэффективной жидкостной хроматографии (ВЭЖХ) является предметом многих исследований, поскольку оно может улучшить идентификацию неизвестных молекул при нецелевом профилировании с использованием ВЭЖХ в сочетании с масс-спектрометрией высокого разрешения. Недавно созданный большой набор данных о времени удерживания стандартных соединений из базы данных МЕТLIN позволяет исследователям создать модель, которая может использоваться для прогнозирования времени удерживания малых молекул с широким разнообразием структур и физико-химических свойств. В работе была исследована возможность предварительного обучения модели на большой базе данных для предсказания времен удерживания в ОФ ВЭЖХ для малых наборов данных. В данной работе была обучена нейронная сеть на базе данных МЕТLIN и использована для предсказания времен удерживания для малых наборов данных. Сверточная нейронная сеть была обучена на SMILES, представленных в виде матриц. Точность предсказания была сравнима или превосходила предыдущие модели на данном наборе данных. Предварительно обученную сеть использовали для дообучения на небольших наборах данных. Эффективность предсказания времен удерживания с помощью дообучения проверяли для четырех наборов данных, полученных в различных хроматографических условиях. Работа выполнена при поддержке Минобрнауки(соглашение о предоставлении гранта № 075-15-2020-782).