SE2PSNet améliore les spectres RMN grâce à l'IA

Une équipe de recherche dirigée par le professeur Lin Yanqin de l'Université Xiamen, en collaboration avec l'Institut des Sciences de la Mesure de Précision de l'Académie chinoise des sciences et l'Université de Manchester, a développé un nouveau modèle d'intelligence artificielle pour optimiser la spectrométrie par résonance magnétique nucléaire. Cette technique analytique, cruciale en chimie et en biologie, peine souvent face au chevauchement des signaux qui obscurcit l'identification et la quantification précise des composés. Pour résoudre ce problème, les chercheurs ont conçu SE2PSNet, un réseau de neurones capable de générer des spectres à déplacement chimique pur de haute qualité. Le modèle fonctionne en croisant plusieurs entrées spectrales et utilise une fonction de perte combinée pour équilibrer la restitution globale du spectre avec la précision de reconstruction des signaux faibles. SE2PSNet réduit efficacement la surcharge des pics de résonance sans entraîner de perte de sensibilité ni fausser les intégrations. Lors d'essais sur l'azithromycine, un composé au spectre particulièrement complexe, le réseau a permis de séparer des signaux restés confondus avec les méthodes classiques, affichant un coefficient de détermination de 0,9975 par rapport aux valeurs de référence. Ces résultats, publiés récemment dans la revue Nature Communications, ouvrent des perspectives concrètes pour pallier les limites historiques de la résonance magnétique nucléaire. En garantissant à la fois haute résolution et fiabilité quantitative, la technologie pourrait accélérer les phases de découverte et de métabolisme des nouveaux principes actifs, soutenant directement les initiatives d'innovation pharmaceutique. Les travaux, financés par plusieurs programmes nationaux et internationaux, s'inscrivent dans la continuité des recherches menées par le laboratoire de l'Université Xiamen sur les interfaces entre l'intelligence artificielle et la spectroscopie analytique.