30 年 2023 月 XNUMX 日 (
Nanowerk新闻）虽然制药行业可能需要数年时间才能创造出能够治疗或治愈人类疾病的药物，但一项新的研究表明，使用生成技术
人工智能 可以大大加速药物开发进程。 如今，大多数药物发现都是由人类化学家进行的，他们依靠自己的知识和经验来选择和合成成为我们所依赖的安全有效药物所需的正确分子。 为了确定合成路径，科学家经常采用一种称为逆合成的技术，这种方法通过从所需分子开始逆向合成并寻找化学反应来制造它们，从而创造出潜在的药物。 然而，由于筛选数百万种潜在的化学反应可能是一项极具挑战性且耗时的工作，俄亥俄州立大学的研究人员创建了一个名为 G 的人工智能框架
2Retro 自动生成任何给定分子的反应。 这项新研究表明，与当前的手动规划方法相比，该框架能够涵盖大量可能的化学反应，并准确、快速地识别哪些反应最适合创建给定的药物分子。 该研究的主要作者、俄亥俄州立大学计算机科学与工程副教授夏宁表示：“将人工智能用于对拯救人类生命至关重要的事情，例如医学，才是我们真正想要关注的。” “我们的目标是利用人工智能加速药物设计过程，我们发现它不仅可以节省研究人员的时间和金钱，而且可以提供比自然界中存在的任何分子具有更好特性的候选药物。” 这项研究建立在 Ning 之前的研究基础上，她的团队开发了一种名为 Modof 的方法，该方法能够生成比任何现有分子更好地表现出所需特性的分子结构。 “现在的问题是如何制造这样的生成分子，这就是这项新研究的亮点，”宁说，他也是医学院生物医学信息学副教授。 该研究发表在期刊上
通讯化学 (
"G2Retro作为逆合成预测的两步图生成模型"）。 宁队训练G
2回顾包含 40,000 年至 1976 年间收集的 2016 个化学反应的数据集。该框架从给定分子的基于图形的表示中“学习”，并使用深度神经网络生成可用于合成它们的可能的反应物结构。 它的生成能力是如此令人印象深刻，据宁说，一旦给予一个分子，G
2Retro 可以在短短几分钟内提出数百个新的反应预测。 “我们的生成式人工智能方法 G
2Retro 能够提供多种不同的合成路线和选项，以及对每个分子的不同选项进行排名的方法，”Ning 说。 “这不会取代当前基于实验室的实验，但它将提供更多更好的药物选择，因此可以更快地确定实验的优先顺序和重点。” 为了进一步测试人工智能的有效性，宁的团队进行了一个案例研究，看看G是否
2Retro 可以准确预测四种已上市的新上市药物：Mitapivat，一种用于治疗溶血性贫血的药物； Tapinarof，用于治疗各种皮肤病； Mavacamten，一种治疗系统性心力衰竭的药物； 和奥替康唑，用于治疗女性真菌感染。 G
2宁说，Retro能够正确地为这些药物生成完全相同的专利合成路线，并提供同样可行且合成有用的替代合成路线。 拥有这样一个动态且有效的设备供科学家使用可以使该行业能够以更快的速度制造更强的药物——但尽管人工智能可能会给实验室内的科学家带来优势，宁强调药物G
2复古或任何生成式人工智能创造仍然需要验证——这个过程涉及到所创造的分子在动物模型中进行测试，然后在人体试验中进行测试。 “我们对医学领域的生成式人工智能感到非常兴奋，我们致力于负责任地使用人工智能来改善人类健康，”宁说。
- SEO 支持的内容和 PR 分发。 今天得到放大。
- 柏拉图爱流。 Web3 数据智能。 知识放大。 访问这里。
- 与 Adryenn Ashley 一起铸造未来。 访问这里。
- 使用 PREIPO® 买卖 PRE-IPO 公司的股票。 访问这里。
- Sumber: https://www.nanowerk.com/news2/robotics/newsid=63078.php
