人工智能发现分子
人工智能发现分子</img>
人工智能发现分子
重大意义：一种新药的商业化平均花费约 25 亿美元，原因之一是很难找到有希望成为药物的分子。
主要研究者： Insilico Medicine、Kebotix、Atomwise、多伦多大学、BenevolentAI
成熟期：3-5 年
可能被转化为潜在救命药物的分子数量令人难以想象：研究人员估计这个数字约有 1060 种，这比太阳系中所有原子的数量还要多，提供了几乎无限的化学可能性——如果化学家们能够从中找到有价值的分子。
现在，机器学习工具可以用来探索包含已知分子及其特性的大型数据库，利用这些信息可以产生新的可能性，实现以更快的速度、更低的成本发现新的候选药物。
2019 年 9 月，香港的 Insilico Medicine 公司和多伦多大学的研究团队实现了重大实验突破，通过合成人工智能算法发现的几种候选药物，证明了该策略的有效性。
研究人员利用深度学习和生成模型相关的技术，也就是类似于让计算机在古代围棋比赛中击败世界冠军的技术，成功确定了大约 30000 种具有理想特性的新分子。他们从中选择了 6 种进行药物合成和测试，其中的一种在动物实验中表现出了较高的活性，被证明很有希望。
药物发现领域的化学家们时常会去设想一种新分子——对于最优秀的药物猎手来说，这是一门艺术，背后需要多年的经验磨练和敏锐的直觉，现在，这些科学家们有了新的工具来进一步扩展他们的想象力。
页:
[1]