人工智能在核磁共振中的应用

自20世纪中期核磁共振（NMR）原理被发现以来，科学家已通过利用该技术获取分子的丰富结构信息，实现了多项重大的科学突破。在技术创新的驱动下，核磁共振技术不断进步，给我们带来了新的功能和增强的工作流。

然而归根结底，世纪之交以来计算能力的快速扩展——尤其是人工智能（AI）、机器学习（ML）和深度学习的应用，为核磁共振技术的最新发展奠定了基础。

在核磁共振等需要使用复杂计算和数据的领域，这些技术的先进分析能力尤其有用。它们让科学家能够将复杂耗时的任务予以自动化，从而提高核磁共振方法的效率。

计算技术的指数级扩展

得益于计算技术的指数级扩展，人工智能（AI）和机器学习（ML）迅速应用于多个学科之中。这些技术进步正在改变科学家获取和分析数据的方式。

许多机器学习方法——包括统计增强、模拟退火和主成分分析，构成了当前及未来核磁共振研究图景的组成部分。目前，研究人员正在研究人工智能和机器学习在信号处理、基线/相位校正、峰值检测、分配、复杂混合物分析、量子力学（重述密度泛函理论）和结构测定/预测中的应用。这是一项复杂的研究，其中的一些步骤虽简单却存在误导性。

“您所了解的所有超级性能都是通过一个看似简单的方法来实现的，”斯坦福大学的David Donoho教授解释道：“第一步是获取相关的海量数据。第二步是制定一项具有挑战性的任务，若得到解决，它将有助于投入应用。第三步是走出去，了解其他人的深度学习模式。第四步是疯狂地进行修补。实现这一切的前提条件在于——能够利用高度先进的计算技术来获取结果。”

核磁共振波谱分析方面的深度学习

相位和基线校正是核磁共振波谱分析中的重要处理步骤，在过去，科学家开发了许多不同的方法来自动执行这些任务。这些方法通常能发挥有效作用，但在应用于高信号密度的波谱（例如，质子波谱）时，许多方法会受到不利影响。在识别和分割这些任务方面，深度学习表现出优异的效果。在核磁共振波谱领域，该技术已被用于帮助用户进行谱图处理和解释。

近期，布鲁克的一支科学家团队采用了一种用于1D 1H NMR波谱的相位和基线校正的深度学习方法。目前，用户可从布鲁克的TopSpin软件（4.1.3）中获取这一算法。该算法为低场和高场波谱提供了一致的、更优的相位和基线校正，并且在相位校正精度方面甚至达到人类水平的质量结果。这一新方法标志着全自动核磁共振波谱分析的进一步发展，提供了一种更稳健的相位和基线校正方法，适用于布鲁克新款Fourier 80高性能台式核磁共振系统以及布鲁克高场NMR波谱仪。

信号区域检测是核磁共振波谱分析中的常规任务，也是一直以来需要手动执行的少数处理步骤之一。然而，布鲁克的科学家开发了一种用于1D 1H NMR波谱中信号区域检测的深度学习算法。该算法让宽基频范围内获得的波谱达到极高的精度，而无需用户输入任何信息，因而有能力在很短的时间内达到甚至超过人类水平。这些技术有可能实现核磁共振波谱所含信息的全自动提取和分析。

利用人工智能，突破信息瓶颈

然而，随着这些研究变为可能，我们遇到了一个问题——数据。“生物核磁共振技术的进步受到数据可用性和处理时间的牵制，”瑞士苏黎世联邦理工学院（ETH）化学与应用生物科学系物理化学教授兼生物核磁共振组组长Roland Riek教授透露：“首先在数据可用性方面，值得注意的是，在利用核磁共振研究的数千种蛋白质结构中，只有一小部分的原始数据集可供其他研究人员使用。这是核磁共振领域目前尚待解决的一个巨大问题。”

但对于第二个难题——执行核磁共振实验和分析结果所需的时间，他认为，可利用快速发展的人工智能（AI）予以解决。

“目前，”他补充道：“要将蛋白质结构完全描述出来，需要六个月到几年的时间，因为所有测量和所有数据分析任务都非常耗时，需要专家持续不断地予以判断。”他认为，这一瓶颈阻碍了该领域的进展，而解决方案又难以找到。“加快获取核磁共振数据的过程并不容易，”他解释道：“我们需要培养生物培养基并制备分析样品，而且还需要一定的时间来运行核磁共振脉冲序列，因而难以加快数据获取速度。但我们能做的是，更有效地利用核磁共振仪器方面的时间，并简化数据分析。”

Riek教授指出，人工智能为实现这两个目标提供了一条途径：“通过训练算法在生成结果时对其进行评估，然后动态地对实验步骤作出自动调整，我们便只需运行为解决结构问题而必须运行的脉冲序列，从而节省大量时间。而且，由于仪器时间成本较高，因而该过程还将节省资金。”Riek教授在这方面的研究仍处于早期阶段，但他相信，一旦初步结果公布，该方法将带来广泛的裨益。

人工智能与高分辨率仪器

当然，在上述人工智能能力的背后，高分辨率仪器日益提高的可用性也给予了推动。布鲁克一直在开发相关技术，旨在通过将高性能仪器与新的工作流软件和服务相结合，实现核磁共振领域的科学创新。

例如，布鲁克将人工智能深度学习能力集成到其TopSpin™ NMR软件之中，改善了质子核磁共振波谱中的信号检测。使用人工噪声以及公开化合物的其他伪影，模拟出200万个核磁共振波谱，并对深度神经网络进行了相应训练。这样，通过更准确地检测核磁共振信号，就会实现更轻松便捷的自动波谱分析。

布鲁克的GHz级核磁共振波谱仪及其独特的探头和软件，可帮助科学家利用核磁共振，推进功能结构生物学的研究。对于既不可结晶也不可溶的蛋白质（例如，嵌入脂质双分子层或蛋白质聚集体的膜蛋白）的结构测定，这些工具将发挥重要价值。

通过将人工智能与高分辨率核磁共振仪器相结合，核磁共振领域取得了许多科学突破。例如，在一个名为NMRtist的合作项目中，法兰克福歌德大学Peter Güntert教授（哲学博士）正在研究一种机器学习方法，以期直接通过核磁共振（NMR）实现全自动蛋白质结构测定。通过与BioNMR软件开发人员合作，让他们真正突破了核磁共振技术的发展障碍，取得了单靠核磁共振无法取得的发现。

“NMRtist的工作流涵盖从波谱，到全自动化过程中的分配和结构描述，”他解释道：“我认为到目前，端到端的全自动核磁共振结构测定是完全可能实现的。这意味着，一旦获得某种性能良好的蛋白质的测量值，那么只需几个小时即可完成分配和结构描述。”

结合先进的分析仪器，人工智能和机器学习将有潜力在各个学科中（包括一系列引人注目的核磁共振应用）激发新的科学发现。布鲁克BioSpin总裁Falko Busse博士表示：“布鲁克非常自豪能够通过我们的GHz级核磁共振解决方案，以及我们在固体核磁共振方面的最新进展，为功能结构生物学研究提供支持。在我们不断开发高价值的化学生物学研究方法的过程中，核磁共振领域给予了有力支持，对此，我们由衷地表示感谢。”