AI|MIT科学家创建新机器学习模型：开发新药的更明智方式 MIT科学家创建新机器学习模型

制药公司正在使用人工智能来简化发现新药的过程。机器学习模型可以提出具有特定特性的新分子，这些特性可以对抗某些疾病，在几分钟内完成人类可能需要几个月才能实现的手动操作。但是，有一个主要障碍阻碍了这些系统的发展。这些模型经常建议新的分子结构在实验室中难以或不可能产生。如果化学家无法实际制造分子，就无法测试其抗病特性。

文章图片

麻省理工学院研究人员的一种新方法限制了机器学习模型，因此它只建议可以合成的分子结构。该方法保证了分子是由可以购买的材料组成的，并且这些材料之间发生的化学反应遵循化学规律。
与其他方法相比，他们的模型提出的分子结构在流行的评价中得分很高，甚至更高，同时也保证可以合成。他们的系统还需要不到一秒钟的时间来提出一个合成途径，而其他单独提出分子然后评估其合成能力的方法可能需要几分钟。在拥有数十亿潜在分子的搜索空间中，这些时间的节省会增加。
“这个过程重新制定了我们如何要求这些模型产生新的分子结构。许多这些模型认为要逐个原子或逐个键建立新的分子结构。相反，我们正在逐个构件和逐个反应来构建新的分子，”麻省理工学院化学工程系和电子工程与计算机科学系的亨利-斯莱辛格职业发展副教授、该论文的资深作者Connor Coley说。
与Coley一起撰写该论文的还有第一作者研究生高文浩和博士后Rocío Mercado 。该研究最近在国际学习表征会议上发表。
为了创建一个分子结构，该模型模拟了合成一个分子的过程，以确保它能够被生产。该模型得到了一套可行的构建模块，即可以购买的化学品，以及一个有效的化学反应列表，以便进行操作。这些化学反应模板是由专家手工制作的。通过只允许某些化学品或特定反应来控制这些输入，使研究人员能够限制一个新分子的搜索空间有多大。
该模型使用这些输入来构建一棵树，通过选择构件并通过化学反应将它们连接起来，一次一个，来构建最终的分子。在每个步骤中，随着更多的化学品和反应的加入，分子变得更加复杂。
它既能输出最终的分子结构，又能输出合成它的化学品和反应树。“我们不是直接设计产品分子本身，而是设计一个行动序列来获得该分子。这使我们能够保证结构的质量，”研究人员说。
为了训练他们的模型，研究人员输入一个完整的分子结构和一组构建模块和化学反应，模型学习创建一个合成分子的树。在看到几十万个例子后，该模型学会了自己想出这些合成途径。
分子优化
经过训练的模型可用于优化。研究人员定义了他们希望在最终分子中实现的某些特性，给定了某些构件和化学反应模板，模型就会提出一个可合成的分子结构。
【AI|MIT科学家创建新机器学习模型：开发新药的更明智方式】“令人惊讶的是，用这么小的模板集，你实际上可以复制出很大一部分的分子。你不需要那么多的构件来产生大量的可用化学空间供模型搜索，” Mercado说。
他们通过评估该模型重建可合成分子的能力来测试该模型。它能够重现这些分子中的51%，并且重现每个分子的时间不到一秒钟。他们的技术比其他一些方法更快，因为模型没有在树上的每一步中搜索所有的选项。研究人员解释说，它有一套确定的化学品和反应来工作。
当他们用他们的模型提出具有特定属性的分子时，他们的方法提出了更高质量的分子结构，这些分子结构比其他方法的分子具有更强的结合亲和力。这意味着这些分子将能更好地附着在蛋白质上，并阻止某种活动，如阻止病毒复制。