幫助人類進(jìn)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：1454

如今，人工智能算法可以通過深度學(xué)習(xí)進(jìn)行非常詳盡的數(shù)據(jù)分析，從人臉識別到醫(yī)學(xué)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(jìn)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(jìn)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(yīng)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(xué)(Stanford University)的一個團(tuán)隊試圖改變這一點，他們想到了使用深度學(xué)習(xí)領(lǐng)域中*新的分支——一次學(xué)習(xí)(one shot learning)。一次學(xué)習(xí)只需要少得多的數(shù)據(jù)來解決問題，這個團(tuán)隊之前成功地開發(fā)過只需幾百個數(shù)據(jù)點的一次學(xué)習(xí)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(jìn)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(xué)習(xí)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(xué)習(xí)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(xué)習(xí)了6個化合物的毒性后對另外3個化合物的毒性進(jìn)行了預(yù)測，在第二項實驗中，算法學(xué)習(xí)了21個藥物的副作用后預(yù)測了另外6個藥物的副作用。在這兩項實驗中，算法預(yù)測的準(zhǔn)確性都比隨機(jī)猜測更好。

研究人員承認(rèn)，這項技術(shù)還遠(yuǎn)沒有達(dá)到成熟的程度。目前的這個算法依賴于一種特殊的一次學(xué)習(xí)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(jìn)行預(yù)測。當(dāng)這個算法學(xué)習(xí)了藥物的毒性數(shù)據(jù)后對副作用進(jìn)行預(yù)測時，準(zhǔn)確率就大為下降。

對于那些擔(dān)心人工智能早晚將取代人腦的人來說，這個研究團(tuán)隊認(rèn)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(xué)家們的一個工具。當(dāng)化學(xué)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(dāng)化學(xué)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(yīng)用到其它化學(xué)領(lǐng)域。比如說這個團(tuán)隊*近還使用這個算法預(yù)測了太陽能板的不同化學(xué)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(dǎo)這項研究的斯坦福大學(xué)化學(xué)系教授Vijay Pande表示：“這項研究是一次學(xué)習(xí)技術(shù)第*次被應(yīng)用到藥物研發(fā)領(lǐng)域。機(jī)器學(xué)習(xí)技術(shù)的發(fā)展令人十分激動，現(xiàn)在還遠(yuǎn)遠(yuǎn)沒有達(dá)到這項技術(shù)的**應(yīng)用，這只是一個開端而已。”



責(zé)任編輯：趙帥超 m.mjwave.cn 2017-4-6 14:31:51

文章來源：