《自然通訊》 31日發表的一篇論文報告了一種機器學習模型,它可以部分再現職業化學家在工作場所積累的集體知識,通常被稱為“化學直觀”。研究組認為,該研究今后在藥物開發上會更加有效。
傳統上,藥物和化學的發現依賴于試驗錯誤和研究者積累的知識。使用模擬工具,特別是機器學習,研究者可以更快地發現候選分子,并大幅減少尋找新藥化合物的費用。如果要使用可以預測分子性質的機器,分子必須還原為數學表語,通常包含一系列性質或“特征”。這種以數據為中心的性能預測模型要想成功,掌握正確的特性是關鍵。
在英國的微軟研究院科學智能中心(ai4science)和瑞士的諾華生物醫學研究所聯合組此次35名醫學化學家各自對5000中選擇更偏向分子,再把他們的回答排序游戲機器學習模型的訓練模型分子繼打分。這個分數來自行業內多年積累的知識,幾乎不受其他因素的影響。
這個小組的模型還可以用來改變數學模型的建議,以更好地適應化學家們的集體專業性,這將縮短未來藥物開發的重復時間。
研究人員認為,這種方法可以成為藥物開發中分子建模的補充。
一些科幻小說將外界生物從出生開始就積累的所有知識都包含在內,高度發展文明。人只有長時間學習才能學到知識,積累經驗。這次機器學習了直覺。這是在瞬間移植人類寶貴的經驗。ai對化學產生了革命性的影響。在新材料的發現,正確模擬,合成途徑的優化等方面,可以促進精密化學的快速進步,大幅縮短藥物研究開發的試行錯誤過程。
-
AI
+關注
關注
87文章
30758瀏覽量
268902 -
模型
+關注
關注
1文章
3229瀏覽量
48811 -
機器學習
+關注
關注
66文章
8408瀏覽量
132572
發布評論請先 登錄
相關推薦
評論