今日まで 人工知能 間違いなく、ソフトウェアとハードウェアの設計の世界で最も頻繁に繰り返されるトピックのXNUMXつでそれを行うことですが、事実上すべての大学と研究開発センターには、このテーマに取り組んでいる専門家がいます。今日それについて話すことは、コンピューティングの世界で最も高給の仕事のXNUMXつかもしれません。
これとはほど遠い真実は、人工知能の主題が、コンピューティング、モノのインターネット、またはソーシャルネットワークに関連する実質的にすべてのセクターに少しずつ押し付けられているということです。時々それを知らなくても、このタイプのソフトウェアプラットフォームを使用します。 この時点で、これらのセクターだけでなく、人工知能が課されていることに注意する必要があります 他の科学分野でも少しずつ進んでいます この場合、 新薬の開発.
MITのチームは、新薬を作成できるソフトウェアを設計することに成功しました
製薬業界が直面している主な問題のXNUMXつは、それと言えば、新しい分子の開発が依然として必要であり、新薬を生み出すために必要なことです。 手動で実行されます。 不思議なことに、まったく新しい薬を作成するプロセスと、その特性を改善するために既存の薬を進化させるプロセスの両方が同じです。
基本的に、あまり詳細に立ち入ることなく、このタイプのプロセスで化学者が行うことは、非常に特定の病気と戦う可能性があることが知られている分子を選択することです。 その効果を高めるために、このすでに選択された分子に対して一連の手動調整が行われます。 残念ながら この作業には通常、関与する化学者に長い時間がかかります なぜなら、このすべての作業の後、期待される結果が得られないからです。
このソフトウェアは、新薬の開発に携わる化学者の多くの作業を節約できます。
ご覧のとおり、これまで、新薬を設計する際の化学者の仕事は、少なくとも今までは非常に苛立たしい作業でした。 私はこれを、コンピュータサイエンスと人工知能の研究所が電気工学とコンピュータサイエンスの部門との共同作業で行ったので、両方とも マサチューセッツ工科大学（MIT） 自動化された学習システムを使用して、ドラッグデザインプロセスを自動化できるソフトウェアを設計することに成功しました。
この新しいソフトウェアで実行された最初のテスト中に、 分子を選択する 薬の望ましい特性に基づいて特定の病気と戦う可能性を秘めています 分子構造を変更する 化学的に有効なままで可能な限り最高の効力を達成するために同じの。
の言葉で ロブ・マセソン、MIT博士：
モデルは基本的に、入力された分子構造からデータを取得し、分子グラフを直接作成します。分子構造の詳細な表現であり、ノードは原子を表し、エッジは結合を表します。 これらのグラフを、分子をより正確に再構築してより適切に変更するのに役立つ「ビルディングブロック」として使用する有効な官能基の小さなグループに分割します。
ソフトウェアを問題なく動作させるには、まだ何ヶ月もの作業があります。
このプロジェクトの欠点は、まだまだ多くの開発が進んでいる仕事にすぎないことです。 それでも、この新しいソフトウェアが、ドラッグデザインプロセスを自動化するように設計された他のシステムよりもはるかに効果的な結果を達成したことは特に印象的です。テスト中に作成されたすべての分子が有効であり、他の広く受け入れられているモデルであるためです。 有効率は43％です.
の言葉で ウェンゴンジン、MITのコンピュータ科学人工知能研究所の博士課程の学生：
この背後にある動機は、分子を設計する非効率的な人間の修正プロセスを自動反復に置き換え、生成した分子の有効性を確保することでした。