《自然·通讯》31日发表的一篇论文报道了一种机器学习模型,该模型能部分重现职业化学家在工作中积累的集体知识,这类知识通常被称为“化学直觉”。研究团队认为,该研究或使今后的药物研发更高效。
研究总体框架 图片来源:《自然·通讯》在线版
传统上,药物与化学发现需要依靠试错实验和研究人员在工作中积累的知识。使用模拟工具,尤其是机器学习,能让研究人员更快地发现候选分子,极大降低发现新药用化合物的成本。如果要用机器学习预测分子性质,分子就必须还原到数学表达,这通常包含一组性质或“特征”。确定正确特征是这些数据驱动性能预测模型成功的关键。
位于英国的微软研究院科学智能中心(AI4Science)和瑞士诺华生物医学研究所的联合团队,此次让35名医学化学家各自从5000对分子中选择自己更偏向的分子,再用他们的回答做成排序游戏来训练一个机器学习模型,随后让这个模型给分子打分。这个分数来自行业内多年的知识积累,基本不受其他因素的影响。
该团队提出的模型还能用来改变数学模型的推荐,从而更好地匹配化学家的集体专业知识,有望在今后早期药物研发中缩短迭代时间。
研究人员认为,这种方法或能在药物研发中作为对分子建模的补充。
在一些科幻小说的设定中,外星生物出生时就装载有当前时代沉淀下来的所有知识,从而实现文明的高速发展。人类只能靠长时间学习来掌握知识,积累经验。此次,机器学习了直觉,相当于瞬间移植了人类的宝贵经验,就像阿尔法狗快速学习,在围棋领域秒杀人类大师一样。AI正在给化学带来革命性影响。在新材料发现、准确模拟、优化合成路径等方面,它推动精准化学快速进步,也可大幅缩短药物研发的试错过程。
相关文章









