Это позволит в разы сократить сроки создания новых веществ, повышающих эффективность сельскохозяйственных работ, а также снизит их стоимость.
- Поиск все новых химических соединений - одно из главных направлений в агрохимии, - сказал корреспонденту "РГ" участвующий в проекте сотрудник МФТИ Николай Бушков. - Если применять один и тот же набор веществ, то растения к нему приспособятся, а эффективность приемов агрохимии быстро пойдет на спад. Кроме того, каждому классу растений надо подобрать свой наиболее оптимальный класс молекул. А значит, в портфеле аграриев должно быть как можно больше вариантов. Чтобы они имели самый широкий выбор на все случаи жизни.
Поэтому химики постоянно ищут все новые вещества, чтобы пополнить портфель предложений. И вот здесь начинаются проблемы. Чтобы найти хотя бы одну новую эффективную молекулу, приходится создавать несколько тысяч разнообразных вариантов. А затем проверять их в экспериментах на растениях. Процесс долгий и дорогой.
Авторы исследования решили в разы сократить и время, и затраты, доверив поиск новых молекул компьютеру. Конечно, математические модели - далеко не новинка. С их помощью уже создаются атомные реакторы, автомобили, одежда, лекарства и т.д. В сельском хозяйстве все оказалось гораздо сложнее. Дело в том, что растения пока остаются для ученых "черным ящиком", они плохо понимают, как в них работают молекулы. Поэтому создающиеся в ряде ведущих стран компьютерные модели способны всего лишь оценить, может ли данная новая молекула вообще воздействовать на растение или нет. А как конкретно, остается неясным. Поэтому польза от такой математики невелика.
- Наша модель дает более развернутый ответ, - поясняет Бушков. - Мы можем сказать, будет ли новая молекула стимулировать или замедлять рост растения, подавляет ли она сорняки, борется ли с вредителями и с какими и т.д.
Почему компьютер способен провести такой анализ, если имеет дело с "черным ящиком"? Оказывается, что машину все же можно научить искать ответы даже в такой вроде бы тупиковой ситуации. Для этого ее долго "натаскивают" на 1800 уже изученных вдоль и поперек веществах. Но просто сваливать в мозг машины эту информацию - пустое дело. Это мертвый груз. Авторы проекта создали алгоритм, который позволил компьютеру сделать следующий шаг; понять логику работы молекул. По сути, заглянуть в "черный ящик".
- Когда мы проверили отобранные машиной молекулы в экспериментах на растениях, оказалось, что около 70 процентов предсказаний попали в "десятку", - говорит Николай Бушков. - Это означает, что для поиска одной эффективной молекулы нужно число претендентов сократить в три раза, с 1000 до 300. То есть сроки и стоимость снижаются в разы.
Авторы проекта уже нашли 27 новых эффективных молекул, которые пополнят портфель аграриев. Сейчас ученые совершенствуют свои модели, повышают точность прогноза, надеясь довести его до 80 процентов.
