테라스케일 질량분광계 데이터를 활용한 기계학습 기반 유기 반응 발견

과학계가 대규모 데이터셋을 축적함에 따라 전통적인 처리 방법의 용량을 초과하였으며, 이는 기존 실험 데이터를 탐색할 수 있는 혁신적이고 효율적인 알고리즘의 중요성을 강조하고 있습니다. 이러한 도전에 대응하기 위해, 본 연구에서는 테라스케일 고해상도 질량분석(HRMS) 데이터 분석을 위한 머신 러닝(ML) 기반 검색 엔진을 소개합니다. 이 엔진은 새로운 동위원소 분포 중심 검색 알고리즘과 두 개의 상호 보완적인 ML 모델을 활용하여 지금까지 알려지지 않았던 화학 반응의 발견을 돕습니다. 이 방법론은 기존 데이터를 철저히 조사하여 화학 가설을 효과적으로 지원하면서 추가 실험의 필요성을 줄이는 역할을 합니다. 또한, 우리는 자동화된 반응 가설 생성을 위한 기본 방법들을 확장하였습니다. 실제 검증에서 본 접근법은 여러 반응들을 성공적으로 식별하였으며, 이전에 설명되지 않았던 변환 과정들을 밝혀냈습니다. 그 중에서도 Mizoroki-Heck 반응 내에서 발생하는 헤테로사이클-비닐 결합 과정이 두드러지게 나타나며, 이는 엔진이 복잡한 화학 현상을 해명할 수 있는 능력을 입증하고 있습니다.