幫助人類進行新藥研發(fā)的新型人工智能即將問世

添加日期：2017年4月6日 閱讀：1340

如今，人工智能算法可以通過深度學習進行非常詳盡的數(shù)據(jù)分析，從人臉識別到醫(yī)學影響分析，人工智能算法的表現(xiàn)已經(jīng)趕上甚至超越了人的表現(xiàn)。不過，進行這些任務(wù)的算法通常都是在建立在對成千上萬的數(shù)據(jù)進行分析的基礎(chǔ)上的。因此，在數(shù)據(jù)有限的情況下，人工智能的應用受到了限制，其中的一個例子就是新藥研發(fā)領(lǐng)域。

*近，來自美國斯坦福大學(Stanford University)的一個團隊試圖改變這一點，他們想到了使用深度學習領(lǐng)域中*新的分支——一次學習(one shot learning)。一次學習只需要少得多的數(shù)據(jù)來解決問題，這個團隊之前成功地開發(fā)過只需幾百個數(shù)據(jù)點的一次學習算法。但是，對于新藥開發(fā)來說，能夠使用的數(shù)據(jù)點可能更少，但是科研人員仍然決定進行一下嘗試。這一成果發(fā)表在《ACS Central Science》期刊上。

為了讓算法更好地分析藥物，研究人員首先將藥物的分子結(jié)構(gòu)轉(zhuǎn)化成了以原子為基礎(chǔ)的幾何圖形，這一步將藥物分子的內(nèi)在性質(zhì)轉(zhuǎn)化成了算法能夠分析的信息。隨后，科研人員讓他們的算法學習了兩組數(shù)據(jù)，一組是不同化合物的毒性數(shù)據(jù)，另一組是已獲批藥物的副作用數(shù)據(jù)。

一次學習算法在接下來的測試中展現(xiàn)出的潛力令研究人員感到吃驚。在第*項實驗中，算法學習了6個化合物的毒性后對另外3個化合物的毒性進行了預測，在第二項實驗中，算法學習了21個藥物的副作用后預測了另外6個藥物的副作用。在這兩項實驗中，算法預測的準確性都比隨機猜測更好。

研究人員承認，這項技術(shù)還遠沒有達到成熟的程度。目前的這個算法依賴于一種特殊的一次學習技術(shù)，它主要依賴于各個化合物的分子式和結(jié)構(gòu)上的相似性進行預測。當這個算法學習了藥物的毒性數(shù)據(jù)后對副作用進行預測時，準確率就大為下降。

對于那些擔心人工智能早晚將取代人腦的人來說，這個研究團隊認為他們的算法不會出現(xiàn)這種情況，這個算法*終將成為化學家們的一個工具。當化學家們面對一系列候選藥物時，這個算法可以幫助他們選擇*有可能成功的那個。因為現(xiàn)在當化學家們需要作出選擇時，基本上都靠直覺。

除了藥物研發(fā)之外，這個算法還可以應用到其它化學領(lǐng)域。比如說這個團隊*近還使用這個算法預測了太陽能板的不同化學成份組合帶來的不同結(jié)果。整個算法的源代碼也在網(wǎng)上公開發(fā)表了。

領(lǐng)導這項研究的斯坦福大學化學系教授Vijay Pande表示：“這項研究是一次學習技術(shù)第*次被應用到藥物研發(fā)領(lǐng)域。機器學習技術(shù)的發(fā)展令人十分激動，現(xiàn)在還遠遠沒有達到這項技術(shù)的**應用，這只是一個開端而已�！�



責任編輯：趙帥超 www.atm-sprinta.com 2017-4-6 14:31:51

文章來源：