科技前沿信息人工智能方法可以教会自己从头开始设计新的药物分子大大加速新候选药物的设计

大家好，今日小经来聊聊一篇关于科技前沿信息：人工智能方法可以教会自己从头开始设计新的药物分子大大加速新候选药物的设计的文章，现在让我们往下看看吧！

在北卡罗来纳大学教堂山埃塞尔曼药学院创建的人工智能方法可以教会自己从头开始设计新的药物分子，并有可能大大加速新候选药物的设计。

该系统被称为结构演化的强化学习，称为ReLeaSE，是一种算法和计算机程序，包括两个神经网络，可以被认为是教师和学生。老师知道大约170万个已知生物活性分子的化学结构词汇背后的语法和语言规则。通过与老师合作，学生可以随着时间的推移学习并更好地提出可能作为新药实用的分子。

Alexander Tropsha，Olexandr Isayev和Mariya Popova，UNC Eshelman药学院都是ReLeaSE的制造者。该大学申请了该技术的专利，该团队上周在Science Advances杂志上发表了一项概念验证研究。

“如果我们将这个过程与学习语言进行比较，那么在学生学习分子字母表和语言规则之后，他们就可以制造出新的'单词'或分子，”Tropsha说。“如果新分子是现实的并具有预期效果，那么老师就会批准。如果没有，老师会反对，强迫学生幸免坏分子并制造好分子。”

ReLeaSE是虚拟筛选的一项强有力的创新，虚拟筛选是制药行业广泛用于识别可行候选药物的计算方法。虚拟筛选同意 科学家评估现有的大型化学库，但该方法仅适用于已知化学品。ReLeASE具有创建和评估新分子的独特能力。

“使用虚拟筛选的科学家就像是在餐馆订购的顾客。可以订购的东西通常受到菜单的限制，”Isayev说。“我们希翼为科学家提供一家杂货店和一位可以制作他们想要的任何菜肴的私人厨师。”

该团队使用ReLeaSE生成具有指定属性的分子，例如所需的生物活性和安全性。该团队使用ReLeaSE方法设计具有定制物理特性的分子，如熔点和在水中的溶解度，以及设计对白血病相关酶具有抑制活性的新化合物。

“该算法设计具有特定生物活性和最佳安全性的新的，因此可立即获得专利的化学实体的能力应该对一个不断追寻新方法以缩短引入新药所需时间的行业具有极大的吸引力。临床试验的候选人，“Tropsha说。

这篇好文章是转载于：知行礼动