▲ReLeaSE运行模式图。
美国北卡罗来纳大学（UNC）埃希曼药学院的研究人员创建了一种可以从零开始自学设计新药物分子的人工智能方法，将有可能大幅提高候选新药的设计速度。研究人员已经申请了这项技术的专利，并于7月25日在《科学进展》杂志上发表了一项概念验证研究。
该系统被称为结构进化的强化学习，也就是ReLeaSE，这是一种算法和计算机程序，由两个具有师生关系的神经网络组成。“老师”了解大约170万个已知的生物活性分子的化学结构词汇背后的语法和语言规则，“学生”通过与老师的合作，随着时间的推移不断学习，并逐步加强提出可能作为新药的有用分子的能力。
ReLeaSE的创始人之一Alexander Tropsha说：“我们可以把这个过程比作学习一种语言，‘学生’在学习了分子字母表和语法之后，就能创造出新的‘单词’或分子。如果新分子是真实的并有预期的效果，‘老师’就会批准，反之则不赞成，使其避开不好的分子，创造好的分子。”
制药行业现在广泛使用虚拟筛选来识别可行的候选药物，这能够使科学家评估现有的大型化学库，但只适用于已知的化学库。而ReLeaSE具有创造和评估新分子的独特能力，这是对虚拟筛选的一项强大创新。
“使用虚拟筛选技术的科学家就像在餐馆点餐的顾客，他们可以订购的东西通常仅限于菜单，而我们想给科学家们提供一个杂货店和一个能做任何他们想做的菜的私人厨师。”创始人之一Olexandr Isayev说。
研究小组使用ReLeaSE 技术产生了具有特定性质（如预期的生物活性和安全性）的分子，并设计了具有特定物理性质（如熔点和溶解度）的分子，进而设计出对白血病相关酶具有抑制活性的新化合物。
“ReLeaSE设计新分子的能力，也就是专利的内容，具有特定的生物活性和最优的安全配置的化学物质，这对于不断寻找新方法缩短新药进入临床试验时间的企业来说是很有吸引力的。”Tropsha说。
科界原创
编译：花花 审稿：阿淼 责编：张梦
期刊来源：《科学进展》
期刊编号：2375-2548
原文链接：https://phys.org/news/2018-07-artificial-intelligence-drugs.html
版权声明：本文由科界平台原创编译，中文内容仅供参考，一切内容以英文原版为准。转载请注明来源科技工作者之家—科界App。
