人心向背网人心向背网

在近四万个药学反应数据集上验证——机器学习加速新药研发进程

科技日报记者 张梦然

英国剑桥大学和美国辉瑞公司合作开发了一个平台,近万据集将自动化实验与人工智能(AI)相结合,个药以预测化学物质如何相互反应,学反习加从而加速新药的应数药研设计过程。研究结果发表在最新一期《自然·化学》杂志上。上验速新

预测分子如何反应,证机对于新药的器学发现和制造至关重要。但从历史上看,发进这是近万据集一个反复试验、经常失败的个药过程。为了进行预测,学反习加化学家需要在模型中模拟电子和原子,应数药研这一过程计算成本高昂且通常不准确。上验速新

现在,证机研究人员开发了一种受基因组学启发的器学数据驱动方法。该方法将自动化实验与机器学习相结合,以了解化学反应性,从而大大加快了新药设计过程。他们称,该方法在超过39000个药学相关反应的数据集上得到了验证。

该方法从数据中挑选出反应物、试剂并测试反应性能之间的相关性。数据则是通过非常快速或高通量的自动化实验生成的。研究人员表示,高通量化学已经改变了游戏规则。他们相信有一种新方法,可促进对化学反应的更深入的理解,而不是从高通量实验的初始结果中观察到。此次开发的这种机器学习方法,就能允许化学家调整复杂的分子,再精确引入到分子的预先指定区域,从而加快药物设计速度。

机器学习以往在化学中的应用经常受到限制。与广阔的化学空间相比,其数据量实在太小。但此次研究通过“传授”给模型一般化学知识,然后对其进行微调,预测复杂的化学转化,从而克服了低数据的局限性。

论文第一作者、剑桥大学卡文迪许实验室的艾玛·金-史密斯表示,这一成果可能会改变人们对有机化学的看法。对化学的更深入理解,亦可促使人们更快速制造药品和许多其他有用的化学品。

总编辑圈点

高通量技术是利用高度自动化的系统,对大量样品进行快速检测和分析。在节省人力和时间的同时,能提高分析的准确性。不过,科研人员不满足于仅使用高通量技术,还加上了人工智能这一“利器”。他们引入机器学习方法,预测复杂的化学反应是如何进行的,以加快药物设计速度。新药研发通常是一个漫长且充满挫折的过程,犹如大海捞针。新技术则给了研发者一张“地图”,指出了可能藏有“宝藏”的具体区域,从而加速了研发进程。

赞(5)
未经允许不得转载:>人心向背网 » 在近四万个药学反应数据集上验证——机器学习加速新药研发进程