美國北卡萊羅納大學的科研人員開發出一款人工智能系統，可以從無到有地學會如何設計藥物，有望極大加速新藥設計過程。
該系統被稱為結構進化的強化學習，簡稱為ReLeaSE，它是一種由兩個神經網絡組成的算法和超級計算機程序，可以被看作是教師和學生。老師知道大約170萬種已知生物活性分子的化學結構詞彙背後的語法和語言規則。通過與老師的合作，學生會隨著時間推移在逐漸學習的過程中更好的提出可能作為新藥的分子。
亞歷山大·託普莎、奧列克桑·伊薩耶夫和馬里亞·波波娃都是北卡羅來納大學埃塞爾曼藥學院的創始人，也都是ReLeaSE的研製者。該大學已經為這項技術申請了專利，並在《科學進展》期刊上發表了一項概念驗證研究。“如果我們把這個過程比作學習一門語言，那麼當學生學習了分子字母表和語言的規則之後，他們就能創造出新的單詞或分子，”特羅普沙說。“如果新的分子是真實的並且達到了預期的效果，老師就會核准；如果沒有，老師則不同意，迫使學生避開壞分子，創造好分子。”
ReLeaSE是虛擬篩選方面的一個強大創新，虛擬篩選是製藥業廣泛使用的一種用於確定可行的候選藥物的計算方法。虛擬篩選允許科學家評估現有的大型化學知識庫，但這種方法只適用於已知的化學物質。ReLeASE具有創造和評估新分子的獨特能力。“使用虛擬篩選的科學家就像顧客在餐廳點菜。可以點的菜通常受菜單的限制。”伊薩耶夫說。“我們想給科學家提供一個雜貨店和一個私人廚師，他們可以做出任何他們想要的菜。”
該團隊使用ReLeaSE來生成具有指定性質的分子，例如期望的生物活性和安全剖面。該團隊使用ReLeaSE方法設計了具有自定義物理特性的分子，如熔點和水溶解度，並設計了一種與白血病相關的能對酶具有抑制活性的新化合物。
託普莎表示：“該算法能夠設計出具有特定生物活動和最佳安全性特徵的新的、可立即申請專利的化學實體，這對一個不斷尋找新方法以縮短將新的候選藥物用於臨床試驗的時間的行業來說，應該具有極大的吸引力”。
閱讀更多 人工智能快報 的文章
