Nature：人工智能助力药物研发
2018-04-02 徐徐 科学网
化学家有了新的实验室助手：人工智能（AI）。研究人员开发出一种深度学习计算机程序。其可产生创建诸如药物化合物等小型有机分子所需的反应序列“蓝图”。表面上看，该工具展现的路径和人类化学家设计的一样好。
化学家有了新的实验室助手：人工智能（AI）。研究人员开发出一种深度学习计算机程序。其可产生创建诸如药物化合物等小型有机分子所需的反应序列“蓝图”。表面上看，该工具展现的路径和人类化学家设计的一样好。
这种在日前出版的《自然》杂志上得以描述的工具，并非利用AI替代人类技能和直觉的首个软件。但化学家将此项进展视为一个里程碑，因为它能加速药物发现进程并且使有机化学变得更加高效。
“我们从中看到的是这种人工智能可获取专业知识。”在英国曼彻斯特大学设计出合成预测工具的Pablo Carbonell将最新研究描述为“具有里程碑意义的成果”。
传统上，化学家搜寻其他人记录的反应列表，并且利用其自身的直觉制定一步一步的路径，从而产生特定化合物。他们通常逆向操作，从想要创建的分子入手，然后分析哪些现成的试剂和反应序列可被用于合成。该过程被称为逆合成，需要几个小时甚至好几天的规划。
由德国明斯特大学有机化学家和人工智能研究人员Marwin Segler和同事研制的最新AI工具，利用深度学习神经网络吸收了几乎所有已知的单步有机化学反应（约1240万种）。这使其得以预测可被用于任何单步骤的化学反应。该工具在规划多步骤合成时重复应用这些神经网络，将想要的分子解构，直到最终获得可利用的原料。
Segler和团队成员测试了该程序在双盲试验中构建的路径，以便确定有经验的化学家能否将AI的合成路径同人类设计的路径区分开来。他们向来自中国和德国两家机构的45名有机化学家展示了针对9个分子的潜在合成路线：一种由AI系统构建，另一种由人类设计。化学家对于哪种最好并未显示出偏好。
自上世纪60年代起，研究人员一直试图利用计算能力规划有机化学合成，但收效甚微。Segler团队的工具是近年来开发的利用AI标记潜在反应路线的若干程序之一。
原始出处：
Marwin H. S. Segler, et al.Planning chemical syntheses with deep neural networks and symbolic AI.Nature volume 555, pages 604–610 (29 March 2018)
doi:10.1038/nature25978
小提示：本篇资讯需要登录阅读，点击跳转登录
版权声明：
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
#Nat#
0
很好
61
#研发#
34
#药物研发#
32
学习了.长知识
69
人工智能确实是科技发展的硕果.各行各业都有重要作用
62