IBM公司利用人工智慧預測化學反應結果 從而加速新藥的研發

2020-12-14 電子發燒友

IBM公司利用人工智慧預測化學反應結果 從而加速新藥的研發

發表於 2018-01-05 16:44:36

通過將原子看作字母、將分子理解為單詞，IBM的人工智慧軟體正在使用與機器翻譯相同的方法來預測有機化學反應的結果，從而加速新藥的研發。

在過去的50年裡，科學家們試圖教會計算機化學反應的原理，以使得計算機能夠幫助預測有機化學反應的結果。然而，有機化學品有可能非常複雜，因而對其反應過程的模擬可能會非常耗時和不準確。

相反地，IBM的研究人員採用了通常用於語言翻譯的人工智慧(AI)程序，將其應用於有機化學。12月4日，在加利福尼亞州長灘舉行的神經信息處理系統會議上，科學家們詳細介紹了他們的發現。相關研究論文的合作者、位於蘇黎世IBM研究院的Teodoro Laino說：「不是把英文翻譯成德文或中文，而是用同樣的人工智慧技術來處理數十萬次甚至數百萬次化學反應，讓其學習有機化學「語言」的基本結構，然後嘗試預測可能的有機化學反應結果。」

「我們希望幫助化學家設計新的有機化合物合成路線」，Laino說。合成藥物和其他複雜有機化合物通常是一項艱巨的任務，「可能需要30或40個步驟」，他解釋說。「商業領域一直在尋找捷徑，以跳過幾個步驟，從而縮短時間，提高產量。」

新的AI程序是一個人工神經網絡。在這個網絡中，被稱為神經元的組件利用已有的數據合作解決一個問題，比如翻譯句子，然後神經網絡反覆調整其神經元之間的連接，並查看這些新的連接模式是否能夠更好地解決問題。隨著時間的推移，神經網絡會找出哪種模式能夠計算出最好的解決方案，其過程與人腦的學習過程非常類似。Laino說：「這種推理和學習方式與現實生活中有機化學家的做法非常相似。」

一個以某種語言為母語的孩子可能不知道這種語言的各種規則，但卻知道如何使用這種語言。與此類似，這個新的人工智慧軟體永遠不會學習有機化學的工作原理，但仍然可以預測化學反應的結果。如果人工智慧認為化學反應可能有不止一個結果，它會提供按照可能性大小排名的多種解決方案。

研究論文的聯合作者、蘇黎世IBM研究院的Philippe Schwaller說：「它可以達到80％的準確率。Schwaller表示：到目前為止，人工智慧處理的最大分子包含150個原子。研究報告的聯合作者、蘇黎世IBM研究院的Théophile Gaudin說：「如果需要，我們可以使用更長的分子，這在理論上是可行的。」

未來，「我們計劃通過雲服務向大家提供這項服務，」Gaudin說。「我們也希望達到90％甚至更高的精確度。實現這個目標的一種方法是不使用一般的有機化學模型，而使用更專業的、專注於特定類別有機化學反應的模型。」

Laino說：此外，未來研究人員可能會將諸如溫度、溶劑和pH值等因素納入AI學習的化學反應中。然而，這將需要仔細檢查所有這些額外數據的準確性。此外，「我們還希望進行社會實驗，從而使我們能夠找到有機化學專家，並考察我們的模型與他們模型的競爭情況。」Gaudin說。由於人工智慧還不完善，仍然需要有機化學家跟進工作。「我們創建這個工具不是用來取代有機化學家，而是幫助他們，」Laino說。

打開APP閱讀更多精彩內容

聲明：本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人，不代表電子發燒友網立場。文章及其配圖僅供工程師學習之用，如有內容圖片侵權或者其他問題，請聯繫本站作侵刪。 侵權投訴

相關焦點

  • GHDDI免費開放三項人工智慧在線服務 加速新藥研發
    原標題：GHDDI免費開放三項人工智慧在線服務，加速新藥研發 　　鈦媒體12月21日消息，全球健康藥物研發中心(GHDDI)於今日正式對外開放三個
  • 疫情全球爆發,世界5大研發公司利用AI對抗COVID-19
    5家公司使用AI對抗冠狀病毒，利用深度學習模型預測可能成功治療COVID-19的新舊藥物。截至周四下午，在美國有10,985例確診的COVID-19病例和零FDA批准的藥物來治療感染。DARPA致力於短期「防火」對策，而計算科學家則跟蹤該病毒新病例的來源，但許多藥物發現公司正在利用其AI技術來預測哪些現有藥物或全新的類藥物分子，可以治療病毒。從概念到市場，藥物開發通常需要至少十年的時間，並且失敗率超過90％，價格在2到30億美元之間。
  • 人工智慧在藥物研發中的應用前景|人工智慧|藥物研發|製藥公司|...
    對靶蛋白沒有任何相互作用或親和力的藥物分子將不能提供治療反應。在某些情況下，開發出的藥物分子可能與非預期的蛋白質或受體相互作用，導致毒性。因此，藥物靶向結合親和力（DTBA）是預測藥物與靶點相互作用的關鍵。基於人工智慧的方法可以通過考慮藥物及其靶點的特性或相似性來測量藥物的結合親和力。基於特徵的相互作用識別藥物和靶點的化學成分以確定特徵向量。
  • 華為布局AI新藥研發 招聘藥物研發算法工程師
    日前，華為雲正在招聘機器學方向的藥物研發算法工程師，邀請醫藥研發方面的博士加盟，作為一家通訊技術公司，華為此舉被視為進軍醫藥產業的前端領域。新藥研發歷來是九死一生，據國家藥監局官網和各藥企官網發布數據的不完全統計，截至12月6日，2020年大約有43個新藥在中國大陸獲批上市，外資藥廠依舊是絕對主力。
  • 中金公司:新藥研發過程經歷了什麼?
    來源：金融界網站來源：中金公司國內目前處於創新藥的黃金髮展期，但新藥研發耗時長、投入大、風險高，其研發過程目前還不為大家所熟知，因此我們對新藥發現的發展歷史進行了回顧，梳理了目前新藥研發經歷的整個過程，以期對投資者了解創新藥的研發過程和創新藥投資提供幫助。
  • 應用於化學和材料領域的人工智慧軟體
    「法國科創公司基於人工智慧技術開發出一套軟體，該軟體可加速分子、材料和配方的開發。 在研發過程中新的分子、材料、配方或化學反應需要很多試錯性實驗，以及智慧性猜測。藉助人工智慧（AI）能更快地開發產品或化學反應，可幫助用戶將實驗次數減少到最少，從而節省時間和其它各類成本。」
  • 招聘藥物研發算法工程師,華為布局AI新藥研發
    日前，華為雲正在招聘機器學方向的藥物研發算法工程師，邀請醫藥研發方面的博士加盟，作為一家通訊技術公司，華為此舉被視為進軍醫藥產業的前端領域。新藥研發歷來是九死一生，據國家藥監局官網和各藥企官網發布數據的不完全統計，截至12月6日，2020年大約有43個新藥在中國大陸獲批上市，外資藥廠依舊是絕對主力。
  • 利用AI 幫助新藥挖掘, Atomwise 獲得 4500 萬美元 A 輪融資
    孟山都風險投資公司、Data Collective（DCVC）和B Capital Group領投，百度創投、騰訊等都是Atomwise的新投資者。Atomwise公司的主要研究方向是利用AI來加速化合物篩選，幫助新藥發掘。Atomwise成立於2012年，目前已籌集超過5100萬美元的資金。
  • 人工智慧之後,美國的VR公司也來研發新冠藥物
    VR怎麼能夠幫助研發新冠藥物呢？該公司對36氪表示，平臺的做法是，用虛擬實境幫助人們將蛋白質、化合物、核酸可視化，組成形象的「實時動畫」，幫助科學家在分子水平的微小世界中，理解化合物的互動方式，並且允許研發者修改、模擬化合物的作用過程。
  • 人工智慧在製藥領域中的應用介紹
    平均開發一種新藥需要花費約26億美元和12年的時間。此外，只有約14%的藥物通過臨床試驗。 因此，目前的藥物開發方法被證明是非常低效的。人工智慧可以極大地幫助克服這些低效率的問題。它可以幫助減少花在新藥研發上的時間。 AI可用於預測分子的物理和化學性質。使用AI進行預測的準確性也很高，並且該過程也被證明既省時又具有成本效益。
  • 用人工智慧預測有機化學反應——來自翻譯神經網絡的啟發
    通過將原子當作字母，分子當作單詞，IBM的人工智慧軟體正在借用機器原先翻譯語言的方法，來預測有機化學反應的產物，這可能會加快新藥開發的速度。「不再是把英語翻譯成德語或漢語，我們讓這個人工智慧觀察數十萬、數百萬的化學反應，讓它學習有機化學『語言』的結構，再讓它試著預測可能的化學反應產物。
  • GHDDI免費開放三項人工智慧在線服務,加速新藥研發,賦能製藥行業
    全球健康藥物研發中心（GHDDI）於今日正式對外開放三個人工智慧藥物研發（AIDD）平臺在線服務，包括：COVID-19人工智慧虛擬篩選平臺、ADMET預測評估平臺和基於靶點結構的人工智慧超高速虛擬平臺。
  • AI加速新冠藥物研發,Insilico Medicine設計出百餘個新穎分子結構
    近日，人工智慧新藥研發公司Insilico Medicine宣布運用其專利的AI藥物研發平臺，設計了新冠病毒的3CL蛋白酶靶向小分子的結構。藉助生成化學方法，該公司能以分子的特定性質作為生成條件，設計出眾多具有各種特性的分子。接下來，該公司將運用自有資源，及國際大型公開研究平臺的各團隊，合成並測試其中100個分子，推進相關藥物研發。
  • 聚焦冷凍電鏡+人工智慧,「埃空間」要讓新藥研發更「簡單」
    冷凍電鏡在解決分子成像大數據來源問題的同時，AI則可解決圖像大數據分析和藥物設計問題，兩項技術交叉運用能讓解析蛋白結構的工作效率和效果大大的提高，將極大加速藥物研發：篩藥初期，對藥物設計提供可靠的靶點，為小分子藥物指明方向；藥物設計後期，也能直接提供結構生物學的證據。
  • 百企大戰AI+新藥研發:全視野透視78家AI創新企業、26家全球製藥巨頭
    本報告有如下重要發現： 1、人工智慧的應用為藥企每年節約540億美元的研發費用 2、靶點發現環節的人工智慧企業數量最多，佔企業總數的50% 3、傳統製藥巨頭與人工智慧創新企業共同推進人工智慧在新藥研發領域的應用 4、全球53家人工智慧+新藥研發企業累計獲得13.1億美元融資 5、數據體系、人才隊伍和商業模式的優化升級成為人工智慧
  • 《Nature》雜誌發表中國醫藥AI公司成果,利用AI優化藥物臨床試驗
    「人工智慧助力新藥研發，大幅提高研發速度和精準度」的文章，介紹了醫療AI公司開心生活科技（HLT）在人工智慧領域取得的成果，以及利用人工智慧技術助力研究者提高了臨床試驗的質量和效率。一些研究人員正在利用AI技術來加速尋找治療方法，期望儘快發現有效的治療藥物。這些研究人員受澳大利亞弗林德斯大學研製流感疫苗（全球首個完全由人工智慧設計的藥物）過程的啟發，正在傾其心力地藉助人工智慧尋找冠狀病毒疫苗。新藥研發過程難度高、風險大，且非常漫長。
  • 清華大學交叉信息研究院長聘副教授曾堅陽:人工智慧助力新藥研發
    在2019未來科學大獎高峰論壇——「未來計算：無所不在的應用」研討會上，清華大學交叉信息研究院長聘副教授曾堅陽帶來了一場《機器智能賦能新藥研發》的演講，講述計算機與新藥研發千絲萬縷的關係。 曾建陽說：「大家網購或是看視頻都知道大數據的作用，可以通過大數據給你推薦你喜歡的話題和物品，我們把大數據應用在醫療的靶點治療上，也在一定程度上優化了治療方法，可以更好的預測模型。」
  • 《AI+化學與製藥》論壇:有AI就不搬磚,化學逆合成也可以借鑑Alpha...
    在AI技術助力化學研究與新藥研發的進程下，化學科研仍需大量創新和跳躍性思維，為人工智慧提供創新策略，推進人工智慧系統不斷優化，後者再反過來推動化學研究人員進行更深入的研究。要從一個化學分子預測它的前體，這本身就是一個字符串到字符串的映射，可以用自然語言處理的方法解決。對於中等難度的分子，比較有經驗的化學家大約幾個小時到一天可以做出來相對比較好的反應路徑，但是人工智慧可以把整個過程加速到秒級別。以上所講的其實只是整個藥物研發中的一小塊，當然逆反應合成是整個拼圖中非常重要的一塊。
  • 全球AI新藥研發研究報告:500億美元湧入,超九成企業獲投
    新藥研發作為醫藥領域最重要的板塊，近年來確因風險高、成本高、研發周期過長等問題，呈現出發展速度漸緩的趨勢，但人工智慧技術的應用，使得新藥研發中原本需要大量人力進行的重複性工作有了被機器替代的可能性，從而縮短了研發時間，降低了研發成本。
  • ...利用基於遷移學習策略的transformer 模型進行Heck反應預測
    由於該方法的強大應用性，因而引發了研究者對其在化學領域的應用探索。作者以經典的小數據-Heck人名反應為代表，證明了遷移學習這一方法在反應預測任務上具有強大性能，同時進一步擴展了transformer這一語言翻譯模型在化學領域的應用，突破性地解決了有限數據預測的難題，為後續的人工智慧輔助化學研發提供了重要的現實依據。