作者:Nikolaus Stiefl 来源:《自然—通讯》 发布时间:2023/11/3 16:06:40
选择字号:
机器学习+化学直觉让药物发现更有效

 

英国与瑞士科学家合作开发了一种机器学习模型,该模型能部分重现职业化学家在工作中积累的集体知识,这类知识通常被称为“化学直觉”。该研究或使今后的药物研发更高效。相关研究11月1日发表于《自然—通讯》。

传统上,药物与化学发现需要依靠试错实验和研究人员在工作中积累的知识。使用模拟工具,尤其是机器学习,能让研究人员更快地发现候选分子,极大降低发现新药用化合物的成本。

如果要用机器学习预测分子性质,分子就必须还原到数学表达,这通常包含一组性质或“特征”。确定正确特征是这些数据驱动性能预测模型成功的关键。

英国剑桥微软研究院科学智能中心的Nikolaus Stiefl和瑞士诺华生物医学研究所的Jose Jimenez-Luna与合作者让35名医学化学家各自从5000对分子中选择自己更偏向的分子,再用他们的回答做成排序游戏来训练一个机器学习模型,随后让这个模型给分子打分。这个分数基本不受该领域之前作为特征的其他性质的影响,因为这来自行业内多年的知识积累。

研究者提议的模型还能用来改变数学模型的推荐,从而更好地匹配化学家的集体专业知识,有望在今后早期药物研发中缩短迭代时间。他们认为,这种方法或能在药物研发中作为对分子建模的补充。(来源:中国科学报 晋楠)

相关论文信息:https://doi.org/10.1038/s41467-023-42242-1

 
 打印  发E-mail给: 
    
 
相关新闻 相关论文

图片新闻
科学网APP推出论文&基金全新活动 冰表面长啥样?原子级分辨图像揭晓答案
北方中纬高频雷达网发布首批科学探测结果 “双星计划”:开启中国空间科学新纪元
>>更多
 
一周新闻排行
 
编辑部推荐博文