英國劍橋大學研究人員設計出一種新的機器學習算法來尋找藥物，其效率已被證明是目前行業(yè)標準的兩倍，有助新藥開發(fā)提速。研究成果發(fā)表在近期出版的美國《國家科學院院刊》上。

藥物發(fā)現(xiàn)的關鍵點是預測分子是否會激活一個特定的生理過程?？梢酝ㄟ^搜索激活生理過程的分子之間共享的化學模式來建立統(tǒng)計模型，但是目前構建這些模型的數(shù)據(jù)十分有限，因為實驗成本高且不清楚哪些化學模式具有統(tǒng)計學意義。“機器學習在數(shù)據(jù)量豐富的計算機視覺等領域已經(jīng)取得了重大進展。”項目主要負責人、劍橋大學卡文迪許實驗室的阿法·李博士說，將其運用到藥物發(fā)現(xiàn)領域，就是為了解決數(shù)據(jù)量相對有限的問題。

被稱為隨機矩陣理論的數(shù)學原理，給出了關于隨機和噪聲數(shù)據(jù)集統(tǒng)計特性的假定，用這一原理可以將活性和非活性分子化學特征的統(tǒng)計數(shù)據(jù)進行比較，以確定哪些化學模式對于結合而言是真正重要的，哪些只是偶然的。

根據(jù)這一設想，研究團隊與輝瑞制藥公司合作開發(fā)出一種算法，即利用數(shù)學運算，將與藥理學相關的化學模式從不相關的化學模式中分離開來。重要的是，該算法不僅研究已知具有活性的分子，而且也不放過那些無活性的分子，并且學會識別分子的哪些部分對于藥物作用是重要的，而哪些部分是不重要的，使得那些失敗的實驗(數(shù)據(jù))也可以得到有效的利用。

研究人員用222個活性分子開始建模，已能夠從計算角度對其他600萬個分子進行篩選。由此，研究人員從中篩選出100種最相關的分子，再從這些分子中找到了4種可以激活可能與阿爾茨海默病和精神分裂癥有關的CHRM1受體的新分子。

“從600萬個分子中篩選出4種活性分子，就像在大海撈針一樣，”李博士說，“詳細比較顯示，新算法效率是行業(yè)標準的兩倍。”目前研究人員正在完善該算法，預測合成復雜有機分子的方法，以及將機器學習方法擴展到新材料設計領域。