人工智能学会从无到有设计药物

美国北卡莱罗纳大学的科研人员开发出一款人工智能系统，可以从无到有地学会如何设计药物，有望极大加速新药设计过程。

该系统被称为结构进化的强化学习，简称为ReLeaSE，它是一种由两个神经网络组成的算法和超级计算机程序，可以被看作是教师和学生。老师知道大约170万种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。通过与老师的合作，学生会随着时间推移在逐渐学习的过程中更好的提出可能作为新药的分子。

亚历山大·托普莎、奥列克桑·伊萨耶夫和马里亚·波波娃都是北卡罗来纳大学埃塞尔曼药学院的创始人，也都是ReLeaSE的研制者。该大学已经为这项技术申请了专利，并在《科学进展》期刊上发表了一项概念验证研究。“如果我们把这个过程比作学习一门语言，那么当学生学习了分子字母表和语言的规则之后，他们就能创造出新的单词或分子，”特罗普沙说。“如果新的分子是真实的并且达到了预期的效果，老师就会核准；如果没有，老师则不同意，迫使学生避开坏分子，创造好分子。”

ReLeaSE是虚拟筛选方面的一个强大创新，虚拟筛选是制药业广泛使用的一种用于确定可行的候选药物的计算方法。虚拟筛选允许科学家评估现有的大型化学知识库，但这种方法只适用于已知的化学物质。ReLeASE具有创造和评估新分子的独特能力。“使用虚拟筛选的科学家就像顾客在餐厅点菜。可以点的菜通常受菜单的限制。”伊萨耶夫说。“我们想给科学家提供一个杂货店和一个私人厨师，他们可以做出任何他们想要的菜。”

该团队使用ReLeaSE来生成具有指定性质的分子，例如期望的生物活性和安全剖面。该团队使用ReLeaSE方法设计了具有自定义物理特性的分子，如熔点和水溶解度，并设计了一种与白血病相关的能对酶具有抑制活性的新化合物。

托普莎表示：“该算法能够设计出具有特定生物活动和最佳安全性特征的新的、可立即申请专利的化学实体，这对一个不断寻找新方法以缩短将新的候选药物用于临床试验的时间的行业来说，应该具有极大的吸引力”。