“人工智能系统从头开始设计药物”

北卡罗来纳大学教堂山谢尔曼药学部创立的人工智能方法，可以从一开始就设计新的药物分子，有可能大大加速新的候选药物的设计。

该系统被称为结构进化的强化学习，被称为release，是一种包含两个神经互联网的算法和计算机程序，被认为是教师和学生。 老师知道约170万已知生物活性分子化学结构词汇背后的语法和语言规律。 通过与老师的合作，学生可以随着时间的推移而学习，更好地提出有可能被用作新药的分子。

所有unc eshelman药学部的alexander tropsha、olexandr isayev、mariya popova都是发行版的制作者。 这所大学申请了这项技术的专利，该团队上周在科学进展期刊上发表了概念验证研究。

如果将这个过程与学习语言进行比较，学生学习分子字母和语言规则后，他们就可以产生新的单词和分子。 tropsha说。 如果新分子现实且有预期的效果，老师会批准的。 如果没有，老师反对，强迫学生不要用坏分子，做好分子。

发布是虚拟筛选的有力创新，虚拟筛选是制药领域识别可行候选药物广泛使用的计算方法。 通过虚拟筛选，科学家可以判断现有的大型化学品库，但这种方法只适用于已知的化学品。 release拥有制作和判断新分子的独特能力。

采用虚拟过滤器的科学家就像餐厅点的顾客。 可以点的东西一般受菜单限制，伊萨卡夫说。 我们想给科学家提供杂货店和可以做他们想要的菜的个人厨师。

该小组使用release生成具有指定性质的分子，如所需的生物活性和安全性。 该小组采用释放法设计了具有定制物理特征的分子，如熔点和在水中的溶解度、对白血病相关酶的设计具有抑制活性的新化合物等。

该算法设计是具有特定生物活性和最佳安全性的新事物。 因为，能够立即获得这项专利的化学实体的能力，应该对为了缩短新药携带所需的时间而不断探索新方法的领域具有很大的吸引力。 临床试验的候选人，tropsha说。