施普林格·自然旗下专业学术期刊《自然-机器智能》发表一篇计算生物学研究论文称，科研人员发现一种自动化、生成式的机器学习方法，可以仅利用质谱就确定未知的新型精神药物(又称人造毒品)的化学结构，了解这些结构能帮助法医实验室更快识别出疑似的人造毒品。

　　该论文指，每年有大量新型精神药物出现在非法市场上，这些物质会造成与已知非法药物相近的精神效果；但因为其合成方式使其在化学上有所不同，这些药物规避了现有的毒品法规，甚至难以被侦测。法医实验室使用质谱分析法在查封药片或粉末中识别已知人造毒品。不过，要弄清一种全新人造毒品的结构，通常需要化学专家工作数周或数月，并且需要用到其他的实验技术。

　　针对上述难题，论文通讯作者、加拿大英属哥伦比亚大学迈克尔·斯金尼德(Michael Skinnider)和同事使用全球各地法医实验室的保密数据训练一个机器学习模型，产生结构和性质类似于近期人造毒品的分子。该模型随后产生了一个数据库，包含十亿种潜在新型精神药物的结构。

　　他们用模型训练结束后新收集的数据测试该模型，发现这一方法可以仅用质谱就确定未知人造毒品。在准确结构难以精准确定的实例中，该模型建议的结构与未知人造毒品非常相似。

　　论文作者总结说，用其他数据集训练的类似的生成方法也可以帮助识别其他特定领域未知分子的结构，例如识别新型兴奋剂或者环境污染物。

　　医刊汇，科研学术服务平台

　　医刊汇是一家专业从事生物医学领域服务的公司，提供SCI医学论文、临床科研等服务，成立至今，已赢得众多科研工作者的好评。医刊汇拥有雄厚的学术背景，网罗了上百位具有欧美国作家协会认证资格的专家团队，为科研工作者提供全面、及时、准确的一站式科研服务。

　　未来，公司将继续秉承科学、严谨的工作精神，凭借卓越的团队学术优势为客户提供一流的科研服务；将秉承人才兴业原则，加强人才队伍建设工作，务实操作，用好资源，联强联大，充分发挥公司人才、资源、管理和品牌等资源优势，提升企业在市场中的竞争能力。