在近四萬個藥學反應數(shù)據(jù)集上驗證 amp;mdash; amp;mdash;機器學習加速新藥研發(fā)進程
英國劍橋大學和美國輝瑞公司合作開發(fā)了一個平臺，將自動化實驗與人工智能(AI)相結(jié)合，以預測化學物質(zhì)如何相互反應，從而加速新藥的設計過程。研究結(jié)果發(fā)表在最新一期《自然·化學》雜志上。
預測分子如何反應，對于新藥的發(fā)現(xiàn)和制造至關重要。但從歷史上看，這是一個反復試驗、經(jīng)常失敗的過程。為了進行預測，化學家需要在模型中模擬電子和原子，這一過程計算成本高昂且通常不準確。
現(xiàn)在，研究人員開發(fā)了一種受基因組學啟發(fā)的數(shù)據(jù)驅(qū)動方法。該方法將自動化實驗與機器學習相結(jié)合，以了解化學反應性，從而大大加快了新藥設計過程。他們稱，該方法在超過39000個藥學相關反應的數(shù)據(jù)集上得到了驗證。
該方法從數(shù)據(jù)中挑選出反應物、試劑并測試反應性能之間的相關性。數(shù)據(jù)則是通過非常快速或高通量的自動化實驗生成的。研究人員表示，高通量化學已經(jīng)改變了游戲規(guī)則。他們相信有一種新方法，可促進對化學反應的更深入的理解，而不是從高通量實驗的初始結(jié)果中觀察到。此次開發(fā)的這種機器學習方法，就能允許化學家調(diào)整復雜的分子，再精確引入到分子的預先指定區(qū)域，從而加快藥物設計速度。
機器學習以往在化學中的應用經(jīng)常受到限制。與廣闊的化學空間相比，其數(shù)據(jù)量實在太小。但此次研究通過“傳授”給模型一般化學知識，然后對其進行微調(diào)，預測復雜的化學轉(zhuǎn)化，從而克服了低數(shù)據(jù)的局限性。
論文第一作者、劍橋大學卡文迪許實驗室的艾瑪·金-史密斯表示，這一成果可能會改變?nèi)藗儗τ袡C化學的看法。對化學的更深入理解，亦可促使人們更快速制造藥品和許多其他有用的化學品。
總編輯圈點
高通量技術是利用高度自動化的系統(tǒng)，對大量樣品進行快速檢測和分析。在節(jié)省人力和時間的同時，能提高分析的準確性。不過，科研人員不滿足于僅使用高通量技術，還加上了人工智能這一“利器”。他們引入機器學習方法，預測復雜的化學反應是如何進行的，以加快藥物設計速度。新藥研發(fā)通常是一個漫長且充滿挫折的過程，猶如大海撈針。新技術則給了研發(fā)者一張“地圖”，指出了可能藏有“寶藏”的具體區(qū)域，從而加速了研發(fā)進程。
本文鏈接：http://www.albanygandhi.com/news-1-46.html在近四萬個藥學反應數(shù)據(jù)集上驗證 amp;mdash; amp;mdash;機器學習加速新藥研發(fā)進程
聲明：本網(wǎng)頁內(nèi)容由互聯(lián)網(wǎng)博主自發(fā)貢獻，不代表本站觀點，本站不承擔任何法律責任。天上不會到餡餅，請大家謹防詐騙！若有侵權(quán)等問題請及時與本網(wǎng)聯(lián)系，我們將在第一時間刪除處理。
