Publication:
High accuracy machine learning identification of fentanyl-relevant molecular compound classification via constituent functional group analysis

Дата
2020
Авторы
Xu, M.
Wang, C. -H.
Terracciano, A. C.
Vasu, S. S.
Masunov, A. E.
Journal Title
Journal ISSN
Volume Title
Издатель
Научные группы
Организационные подразделения
OrgUnit Logo
Организационная единица
Институт нанотехнологий в электронике, спинтронике и фотонике
Институт ИНТЭЛ занимается научной деятельностью и подготовкой специалистов в области исследования физических принципов, проектирования и разработки технологий создания компонентной базы электроники гражданского и специального назначения, а также построения современных приборов на её основе. ​Наша основная цель – это создание и развитие научно-образовательного центра мирового уровня в области наноструктурных материалов и устройств электроники, спинтроники, фотоники, а также создание эффективной инновационной среды в области СВЧ-электронной и радиационно-стойкой компонентной базы, источников ТГц излучения, ионно-кластерных технологий материалов.​
Выпуск журнала
Аннотация
2020, The Author(s).Fentanyl is an anesthetic with a high bioavailability and is the leading cause of drug overdose death in the U.S. Fentanyl and its derivatives have a low lethal dose and street drugs which contain such compounds may lead to death of the user and simultaneously pose hazards for first responders. Rapid identification methods of both known and emerging opioid fentanyl substances is crucial. In this effort, machine learning (ML) is applied in a systematic manner to identify fentanyl-related functional groups in such compounds based on their observed spectral properties. In our study, accurate infrared (IR) spectra of common organic molecules which contain functional groups that are constituents of fentanyl is determined by investigating the structureЦproperty relationship. The average accuracy rate of correctly identifying the functional groups of interest is 92.5% on our testing data. All the IR spectra of 632 organic molecules are from National Institute of Standards and Technology (NIST) database as the training set and are assessed. Results from this work will provide Artificial Intelligence (AI) based tools and algorithms increased confidence, which serves as a basis to detect fentanyl and its derivatives.
Описание
Ключевые слова
Цитирование
High accuracy machine learning identification of fentanyl-relevant molecular compound classification via constituent functional group analysis / Xu, M. [et al.] // Scientific Reports. - 2020. - 10. - № 1. - 10.1038/s41598-020-70471-7
URI
https://www.doi.org/10.1038/s41598-020-70471-7
 https://www.scopus.com/record/display.uri?eid=2-s2.0-85089360161&origin=resultslist
 http://gateway.webofknowledge.com/gateway/Gateway.cgi?GWVersion=2&SrcAuth=Alerting&SrcApp=Alerting&DestApp=WOS_CPL&DestLinkType=FullRecord&UT=WOS:000561136100038
 https://openrepository.mephi.ru/handle/123456789/22180
Коллекции
Публикации