当前位置:首页 > 探索

总编辑圈点

科技日报记者 张梦然

《自然·通讯》31日发表的总编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辑圈集体知识,这类知识通常被称为“化学直觉”。总编研究团队认为,辑圈该研究或使今后的总编药物研发更高效。


研究总体框架
图片来源:《自然·通讯》在线版

传统上,辑圈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总编知识。使用模拟工具,辑圈尤其是总编机器学习,能让研究人员更快地发现候选分子,辑圈极大降低发现新药用化合物的总编成本。如果要用机器学习预测分子性质,辑圈分子就必须还原到数学表达,总编这通常包含一组性质或“特征”。辑圈确定正确特征是总编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。

总编辑圈点:

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。

分享到: