AI算法从零开始设计药物分子，可加速新药物的设计

编译：chux

出品：ATYUN订阅号

北卡罗来纳大学开发新的AI算法，可以教会它从头开始设计新的药物分子，并有可能大大加速新药物的设计。

该系统被称为结构演化的强化学习，称为ReLeaSE，是一种算法和计算机程序，包括两个神经网络，可以把它们当做是“老师”和“学生”。“老师”知道大约170万个已知生物活性分子的化学结构词汇背后的语法和语言规则。通过与“老师”合作，“学生”可以随着时间的推移学习并更好地提出可能作为新药有用的分子。

Alexander Tropsha，Olexandr Isayev和Mariya Popova，UNC Eshelman药学院都是ReLeaSE的创造者。该大学申请了该技术的专利，该团队上周在Science Advances杂志上发表了一项概念验证研究。

Tropsha表示，“如果我们将这个过程与学习语言进行比较，那么在学生学习分子字母表和语言规则之后，他们就可以创造出新的’单词’或分子，如果新分子是现实的并具有预期效果，那么就会被批准。如果没有，“老师”会反对，强迫“学生”避开坏分子并创造好分子。”

ReLeaSE是虚拟筛选的一项强有力的创新，虚拟筛选是制药行业广泛用于识别可行候选药物的计算方法。虚拟筛选允许科学家评估现有的大型化学库，但该方法仅适用于已知化学品。ReLeASE具有创建和评估新分子的独特能力。

“使用虚拟筛选的科学家就像是在餐馆订购的顾客。可以订购的东西通常受到菜单的限制，”Isayev说，“我们希望为科学家提供一家杂货店和一位可以制作他们想要的任何菜肴的私人厨师。”

该团队使用ReLeaSE生成具有指定属性的分子，例如所需的生物活性和安全性。该团队使用ReLeaSE方法设计具有定制物理特性的分子，例如熔点和在水中的溶解度，并设计具有抑制活性的新化合物，该酶具有与白血病相关的酶。

Tropsha说，“具有特定生物活性和最佳安全配置的化学实体对一个不断寻找新方法的行业来说，是非常有吸引力的，它可以缩短将新药候选临床试验所需的时间。”