AI在分子设计方面的应用

美国国家经济研究局(National Bureau of Economic Research)研究人员2017年发表的一篇论文认为，人工智能有可能重塑创新和研发的本质。机器学习可能使能够通过自动化切实解决的问题范围得到扩展，降低一系列广泛的领域中的研发成本，而在研发过程中分类和预测起着重要作用。分子设计就是这样一个领域。

根据世界经济论坛2018年十大榜单，“人工智能正开始提高(分子设计)设计和合成的效率，使制药业和过程变得更快、更容易、更便宜的同时减少化学废物”。

机器学习算法可以分析过去的实验结果，从而尝试从中寻找到新药和新材料的灵感——不管它们是否奏效——并预测哪些新的分子结构可能是最好的。所选的预测结果由相关研究人员进一步证实。

制药公司通常储存数以百万计的化合物，以作为潜在新药进行筛选的数据库，这一过程很慢，产生的效果也相对较少。此外，这些库只包含理论上可能的10^30分子中的一小部分。

机器学习工具不仅可以快速搜索这些库，还可以生成虚拟存储库，储存与最有前景的分子具有类似性质的新化合物。此外，机器学习可以标记那些看起来很有前景但可能带来潜在有害风险和副作用的药物和材料。

蛋白质结构预测，指的是尝试投射蛋白质在人体中的三维形状，这是药物设计中最重要的问题之一。每两年，科学家们就会参加一场全球竞赛来解开这个谜题。

去年12月，在墨西哥坎昆举行的最新一次比赛上，任何学术研究团队都没赢得这场比赛，而是由DeepMind赢得了此次比赛，DeepMind是一家人工智能初创企业，成立于2010年，于2014年被谷歌收购。2016年，AlphaGo项目之后，DeepMind在全球范围内声名鹊起，这个基于先进的深度学习算法开发的AlphaGo程序击败了围棋(一种古老的棋类游戏)的顶级专业围棋选手之一。

人工智能技术通过执行一些通常由科学家处理的任务，可以极大加快药物研发的速度。“这并不是说机器将取代化学家，而是使用机器的化学家将取代不使用机器的化学家。”药物研发研究员兼博主Derek Lowe说。

来源：Science Daily