近日，国际知名学术期刊《自然-机器智能》发表了一篇关于计算生物学的研究论文，介绍了科研人员开发的一种自动化、生成式的机器学习方法。这种方法能够仅通过质谱分析来确定未知新型精神药物（即人造毒品）的化学结构，从而帮助法医实验室更快地识别出疑似的新毒品。

每年都有大量新型精神药物出现在非法市场上，这些药物虽然在精神效果上与已知毒品相似，但由于其独特的化学结构，往往能够规避现有的毒品法规，甚至难以被现有的检测手段发现。目前，法医实验室主要依靠质谱分析法来识别已知的人造毒品。然而，要确定一种全新毒品的化学结构，通常需要耗费数周甚至数月的时间，并且需要借助多种实验技术。

面对这一挑战，论文的通讯作者、加拿大英属哥伦比亚大学的迈克尔·斯金尼德和他的团队，利用全球多个法医实验室提供的保密数据训练了一个机器学习模型。该模型能够生成结构和性质类似于最近出现的人造毒品的分子。经过训练，该模型建立了一个包含数十亿种潜在新型精神药物结构的数据库。

研究人员使用新收集的数据对模型进行了测试，结果显示这种方法能够在仅通过质谱分析的情况下，确定未知新型毒品的结构。即使在结构难以精确确定的情况下，该模型也能提供高度相似的结构预测。

论文作者指出，类似的方法如果使用其他数据集进行训练，还可以应用于其他领域的未知分子识别，比如识别新型兴奋剂或环境污染物。

这项研究为快速识别未知毒品提供了新的可能，有助于提升法医实验室的工作效率和准确性。（完）