在近四萬個藥學反應數據集上驗證——機器學習加速新藥研發進程
英國劍橋大學和美國輝瑞公司合作開發了一個平臺，將自動化實驗與人工智能(AI)相結合，以預測化學物質如何相互反應，從而加速新藥的設計過程。研究結果發表在最新一期《自然·化學》雜志上。
預測分子如何反應，對于新藥的發現和制造至關重要。但從歷史上看，這是一個反復試驗、經常失敗的過程。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。
現在，研究人員開發了一種受基因組學啟發的數據驅動方法。該方法將自動化實驗與機器學習相結合，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據集上得到了驗證。
該方法從數據中挑選出反應物、試劑并測試反應性能之間的相關性。數據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，高通量化學已經改變了游戲規則。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果中觀察到。此次開發的這種機器學習方法，就能允許化學家調整復雜的分子，再精確引入到分子的預先指定區域，從而加快藥物設計速度。
機器學習以往在化學中的應用經常受到限制。與廣闊的化學空間相比，其數據量實在太小。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，預測復雜的化學轉化，從而克服了低數據的局限性。
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人們對有機化學的看法。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，對大量樣品進行快速檢測和分析。在節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。新技術則給了研發者一張“地圖”，指出了可能藏有“寶藏”的具體區域，從而加速了研發進程。
本文鏈接：http://knowith.com/news-1-156.html在近四萬個藥學反應數據集上驗證——機器學習加速新藥研發進程
聲明：本網頁內容由互聯網博主自發貢獻，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！若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。
