AI|MIT科学家创建新机器学习模型：开发新药的更明智方式( 二 ) MIT科学家创建新机器学习模型

例如，在提出一种能够与SARS-Cov-2对接的分子时，他们的模型提出了几种可能比现有抑制剂更能与病毒蛋白结合的分子结构。然而，正如作者所承认的，这些只是计算上的预测。
“有这么多的疾病需要解决，”研究人员说。“我希望我们的方法可以加速这一过程，这样我们就不必每次为一个疾病目标筛选数十亿的分子。相反，我们可以只指定我们想要的属性，它可以加速寻找该候选药物的过程。”
他们的模型也可以改善现有的药物发现管道。Mercado说，如果一家公司已经确定了一种具有所需特性的特定分子，但无法生产，他们可以使用这个模型来提出与之非常相似的可合成分子。
既然他们已经验证了他们的方法，该团队计划继续改进化学反应模板，以进一步提高该模型的性能。有了额外的模板，他们可以对某些疾病目标进行更多测试，并最终将该模型应用于药物发现过程。
“理想情况下，我们希望算法能够自动设计分子并同时快速给我们提供合成树，”Marwin Segler说，他在微软剑桥研究院（英国）领导一个从事机器学习药物发现的团队，没有参与这项工作。“Coley教授和团队的这一优雅方法是解决这一问题的一个重要步骤。虽然早先有通过合成树生成进行分子设计的概念验证工作，但这个团队真正使其发挥作用。他们首次在一个有意义的规模上展示了出色的性能，因此它可以在计算机辅助分子发现中产生实际影响。”
“这项工作也非常令人振奋，因为它最终可以实现计算机辅助合成规划的新范式。它很可能会对该领域的未来研究产生巨大的启发。”