AI學(xué)習(xí)化學(xué)語言來預(yù)測如何制作藥物

研究人員設(shè)計了一種機器學(xué)習(xí)算法，可以比訓(xùn)練有素的化學(xué)家更準(zhǔn)確地預(yù)測化學(xué)反應(yīng)的結(jié)果，并提出了制造復(fù)雜分子的方法，從而消除了藥物發(fā)現(xiàn)的重大障礙。

劍橋大學(xué)的研究人員已經(jīng)證明，算法能夠以超過90%的準(zhǔn)確度預(yù)測復(fù)雜化學(xué)反應(yīng)的結(jié)果，優(yōu)于經(jīng)過培訓(xùn)的化學(xué)家。該算法還向化學(xué)家展示了如何制造目標(biāo)化合物，為所需目的地提供化學(xué)“圖譜”。研究結(jié)果發(fā)表在ACS Central ScienceandChemical Communications期刊的兩項研究中。

藥物發(fā)現(xiàn)和材料科學(xué)的一個主要挑戰(zhàn)是找到通過化學(xué)連接更簡單的構(gòu)建塊來制造復(fù)雜的有機分子的方法。問題是這些構(gòu)建塊經(jīng)常以意想不到的方式作出反應(yīng)。

“制造分子通常被描述為通過反復(fù)試驗實現(xiàn)的藝術(shù)，因為我們對化學(xué)反應(yīng)性的理解還遠未完成，”劍橋卡文迪什實驗室的Alpha Lee博士說。“機器學(xué)習(xí)算法可以更好地理解化學(xué)，因為它們從數(shù)百萬種已發(fā)表的化學(xué)反應(yīng)中提煉出反應(yīng)模式，這是化學(xué)家無法做到的。”

Lee和他的團隊開發(fā)的算法使用模式識別工具，通過對專利中公布的數(shù)百萬反應(yīng)模型進行訓(xùn)練，識別分子中的化學(xué)基團如何反應(yīng)。

研究人員將化學(xué)反應(yīng)預(yù)測視為機器翻譯問題。反應(yīng)分子被認為是一種語言，而產(chǎn)品被認為是一種不同的語言。然后，模型使用文本中的模式來學(xué)習(xí)如何在兩種語言之間進行翻譯。

使用這種方法，該模型在預(yù)測看不見的化學(xué)反應(yīng)的正確產(chǎn)品方面達到了90%的準(zhǔn)確度，而受過訓(xùn)練的人類化學(xué)家的準(zhǔn)確率約為80%。研究人員表示，該模型足夠準(zhǔn)確，可以檢測數(shù)據(jù)中的錯誤并正確預(yù)測過多的困難反應(yīng)。