今天講的是 人工智能 毫無疑問,在軟體和硬體設計領域最常見的主題之一上這樣做,並不是徒勞的,幾乎所有大學和研發中心都有從事該主題工作的專家,更不用說,我們正在談論當今電腦世界中薪水最高的工作之一。
事實並非如此,事實是人工智慧的話題正在逐漸滲透到幾乎所有相關領域,例如運算、物聯網或社交網絡,更不用說一些領域了。任何用戶,儘管有時甚至不知道,都使用這種類型的軟體平台。 在這一點上,值得強調的是,人工智慧不僅在這些領域獲得了關注,而且 它正在一點一點地在其他科學領域取得進展 就像在這種情況下 新藥開發.
麻省理工學院的一個團隊成功設計出能夠創造新藥的軟體
製藥業面臨的主要問題之一(如果可以這麼說的話)是新分子的開發,這是創造新藥物所必需的,仍然是 是手動進行的。 奇怪的是,創造一種全新藥物和改進現有藥物以改善其特性的過程是相同的。
基本上,化學家在這種類型的過程中所做的就是選擇一種已知對抗特定疾病潛力的分子,而無需過多討論細節。 對這個已選擇的分子進行一系列手動調整以增強其效果。 很遺憾 這項任務通常需要化學家花費很長時間。 經過所有這些工作,沒有達到預期的結果。
該軟體可以為參與新藥開發的化學家節省大量工作
正如您所看到的,到目前為止,化學家在設計新藥時的工作可能是一項相當令人沮喪的任務,至少到目前為止是這樣。 我這樣說是因為電腦科學與人工智慧實驗室與電機工程和電腦科學系合作,兩者都屬於 麻省理工學院(MIT) 已成功設計出能夠透過使用自動學習系統實現藥物設計流程自動化的軟體。
在使用這個新軟體進行的第一次測試中,能夠 選擇分子 根據藥物所需的特性,具有對抗某種疾病的潛力 改變分子結構 以便在保持化學有效性的同時獲得最大可能的效力。
用...的話 羅伯·馬瑟森、麻省理工學院博士:
該模型基本上採用輸入分子結構數據並直接創建分子圖:分子結構的詳細表示,其中節點代表原子,邊緣代表鍵。 它將這些圖分解為較小的有效功能組,將其用作“構建塊”,幫助其更準確地重建和更好地修改分子。
距離軟體正常運作還需要幾個月的時間。
這個專案的缺點是,它只是一項仍有大量開發工作的工作。 即便如此,特別引人注目的是,這種新軟體比其他旨在自動化藥物設計過程的系統取得了更有效的結果,因為測試期間創建的所有分子都是有效的,而其他廣泛接受的模型, 他們的有效率為 43%.
用...的話 金文公麻省理工學院電腦科學與人工智慧實驗室博士生:
背後的動機是用自動迭代取代設計分子的低效率人工修改過程,並確保我們產生的分子的有效性。