Исследователи Корнеллского университета и Института Бойса Томпсона создали AIMe , систему искусственного интеллекта, которая построила виртуальную библиотеку спектров более чем для 100 млн известных малых органических молекул. На данных кишечного микробиома мышей система помогла установить структуры ранее неизвестных соединений, а спектральный след одного необычного вещества затем обнаружили в 57 из 99 образцов человеческого кала.
Работа затрагивает одну из самых больших белых зон современной биохимии. В сложном биологическом образце приборы видят огромное количество малых молекул, но для более чем 80% обнаруженных соединений исследователи обычно не могут определить точную структуру. Учёные иногда называют такой массив неизвестных веществ «химической тёмной материей».
Главный инструмент поиска таких соединений, масс-спектрометрия , разбивает молекулы на фрагменты и измеряет их массы. Получившийся рисунок пиков работает примерно как химический отпечаток. При тандемной масс-спектрометрии MS² исследователь сравнивает отпечаток неизвестного вещества со спектрами соединений, структуры которых уже известны.
Проблема упирается в размер справочников. Экспериментальные библиотеки содержат спектры менее чем для 1% известных соединений. Если точного совпадения нет, химику приходится вручную разбирать картину фрагментации, предлагать возможные структуры и проверять гипотезы в лаборатории. Работа над одной неизвестной молекулой может занять от нескольких дней до месяцев.
AIMe пытается обойти ограничение с другой стороны. Вместо ожидания, пока учёные экспериментально измерят каждый возможный спектр, система вычисляет его заранее. В основе AIMe работает нейросимвольная модель DeepMS²Reasoner, которая сочетает нейросеть с правилами химии. Алгоритм пошагово моделирует разрыв связей, перенос водорода и другие возможные превращения молекулы, а нейросеть оценивает вероятность каждого пути.
Такой подход даёт не только предполагаемый спектр, но и объяснение, какие фрагменты могли породить отдельные пики. Авторы исследования использовали модель для расчёта более 800 млн спектров свыше 100 млн малых органических молекул из PubChem. Получившуюся систему MS²KOSMOS исследователи называют примерно в тысячу раз более обширным поисковым пространством, чем существующие экспериментальные библиотеки.
В качестве практической проверки команда сравнила метаболиты мышей без кишечной микробиоты с животными, у которых кишечник был заселён обычными микроорганизмами. Между группами нашлись тысячи различающихся химических сигналов, причём многие из наиболее заметных соединений стандартными методами определить не удалось.
Учёные выбрали 111 самых распространённых неизвестных метаболитов, связанных с присутствием микробиоты. Примерно для трети AIMe нашла близкие виртуальные спектры или структурно похожие молекулы. Результаты служили подсказками, а не готовыми идентификациями, поэтому наиболее интересные кандидаты исследователи проверяли обычными химическими методами.
Особое внимание привлекли два соединения из группы полиаминов. Для первого AIMe предложила линейное производное путресцина. Химики синтезировали предполагаемое вещество и получили совпадающие характеристики, подтвердив структуру экспериментально.
Со второй молекулой задача оказалась сложнее. Сначала команда рассмотрела 18 возможных производных спермина, но предсказанные спектры не объясняли два крупных экспериментальных пика. После добавления циклических вариантов AIMe вывела исследователей на необычное макроциклическое производное спермина. Синтезированный образец совпал с исходным метаболитом по времени удерживания и спектру MS², что позволило подтвердить химическую структуру уже лабораторно.
Соединения такого строения ранее не описывали у мышей или человека. Поиск по крупному публичному архиву масс-спектрометрических данных затем обнаружил совпадающий сигнал макроциклического полиамина в образцах человеческого происхождения. В отдельном наборе сигнал присутствовал в 57 из 99 исследованных образцов кала.
Сам факт присутствия пока ничего не говорит о влиянии новой молекулы на здоровье. Полиамины участвуют во множестве биологических процессов и связаны с обменом веществ, питанием, кишечной микробиотой и иммунной системой, однако функцию найденного макроциклического соединения исследователи ещё не установили.
Команда также проверила AIMe на гораздо большем массиве данных. В базе GNPS исследователи обработали свыше 7 млн спектральных кластеров. Предыдущие методы смогли аннотировать около 416 тыс. кластеров, тогда как AIMe предложила вероятные соответствия примерно для 2,69 млн при сопоставимом пороге сходства.
Цифру 2,69 млн нельзя считать миллионами окончательно расшифрованных молекул. Большинство результатов остаются вычислительными аннотациями и требуют дополнительной проверки, особенно если исследователям нужна точная химическая структура, а не просто семейство родственных соединений.
Работа опубликована 6 августа 2026 года в виде препринта и пока не прошла независимое рецензирование. Если результаты подтвердятся, AIMe может заметно сократить область химической «тёмной материи» и ускорить поиск неизвестных метаболитов в медицине, разработке лекарств, токсикологии, пищевых исследованиях и анализе окружающей среды.