在過去的幾十年中，計(jì)算機(jī)科學(xué)家已經(jīng)開發(fā)出了廣泛的應(yīng)用程序，包括用于藥物分析的深度學(xué)習(xí)工具。最近，已經(jīng)對(duì)預(yù)測(cè)藥物特性的深度學(xué)習(xí)模型進(jìn)行了訓(xùn)練，以分析和學(xué)習(xí)分子表示形式。

清華大學(xué)，新加坡國立大學(xué)，復(fù)旦大學(xué)藥學(xué)院和浙江大學(xué)的研究人員最近開發(fā)了MolMapNet，這是一種新的人工智能(AI)工具，可以通過分析基于人類知識(shí)的分子表示來預(yù)測(cè)藥物的藥物特性。 。該工具發(fā)表在《自然機(jī)器智能》上的論文中，也可以由對(duì)計(jì)算機(jī)科學(xué)，生物學(xué)或其他科學(xué)知識(shí)很少或根本不了解的人使用。

“我們知道藥物研究需要學(xué)習(xí)許多分子特性，尤其是從人類知識(shí)中獲得的豐富分子特性(如體積)集合，但是這些分子特性很難被AI(人工智能)學(xué)習(xí)，” Yu Zong Chen進(jìn)行這項(xiàng)研究的研究人員之一，告訴TechXplore。

雖然AI工具通常擅長(zhǎng)識(shí)別空間有序的圖像(例如，對(duì)象的圖像)，但它們?cè)谥T如分子特性之類的無序數(shù)據(jù)上的表現(xiàn)卻不盡人意。該特征極大地?fù)p害了它們?cè)谒幬锓治鲋械男阅?。Chen和他的同事希望克服這一限制，以提高用于預(yù)測(cè)藥物特性的深度學(xué)習(xí)模型的性能。

Chen說：“由于藥品數(shù)據(jù)有限，很難改善AI架構(gòu)。” “我們問我們是否可以改善AI讀取分子特性的方式。我們的解決方案是將無序分子特性映射到有序圖像中，以使AI更有效地識(shí)別分子特性。”

這種創(chuàng)新的開箱即用的AI工具不需要進(jìn)行參數(shù)微調(diào)，這意味著非專業(yè)用戶也可以使用它。值得注意的是，研究人員發(fā)現(xiàn)，它在26種藥物基準(zhǔn)數(shù)據(jù)集中的大多數(shù)數(shù)據(jù)上均優(yōu)于最新的AI工具。

Chen說：“我們的方法遵循三個(gè)步驟，以改善對(duì)藥物特性的深度學(xué)習(xí)預(yù)測(cè)。” “第一步是從超過800萬個(gè)分子中廣泛學(xué)習(xí)分子特性的內(nèi)在聯(lián)系。這些關(guān)系可能與各種藥物特性相關(guān)，因此可以作為各種藥物特性的指標(biāo)。”

該方法的第二步需要使用新開發(fā)的數(shù)據(jù)轉(zhuǎn)換技術(shù)將藥物的分子特性映射到2D圖像中，其中像素布局反映了這些特性之間的內(nèi)在聯(lián)系。這些像素布局包含藥物特性的關(guān)鍵指標(biāo)，這些指標(biāo)可以由經(jīng)過適當(dāng)培訓(xùn)的深度學(xué)習(xí)模型捕獲。

第三步，研究人員訓(xùn)練了圖像識(shí)別工具來學(xué)習(xí)2D圖像，并使用它們來預(yù)測(cè)藥物特性。AI工具可以捕獲表征特定藥物特性的特定像素布局模式，類似于AI技術(shù)可以通過查看頭發(fā)的長(zhǎng)度或其他與性別相關(guān)的特征來區(qū)分圖片中的男性和女性。

陳說：“我們的研究有兩個(gè)顯著成就。” “首先是引入了一種新方法，用于將無序分子特性映射到表示分子特性的內(nèi)在關(guān)系的有序圖像中。其二是開發(fā)了一種創(chuàng)新的開箱即用的AI工具，用于深度學(xué)習(xí)預(yù)測(cè)具有非凡性能的非專家的藥物特性。”

將來，即用型的深度學(xué)習(xí)模型可能會(huì)大大加快藥物研究的速度，從而幫助科學(xué)家更快，更有效地預(yù)測(cè)不同藥物的特性。Chen和他的同事們?cè)诮酉聛淼难芯恐杏?jì)劃進(jìn)一步開發(fā)他們的模型，以便也可以將其應(yīng)用于生物醫(yī)學(xué)研究。

　　免責(zé)聲明：本文由用戶上傳，與本網(wǎng)站立場(chǎng)無關(guān)。財(cái)經(jīng)信息僅供讀者參考，并不構(gòu)成投資建議。投資者據(jù)此操作，風(fēng)險(xiǎn)自擔(dān)。 如有侵權(quán)請(qǐng)聯(lián)系刪除！