助力新药研发的新型人工智能即将问世

如今，人工智能算法可以通过深度学习进行非常详实的数据分析，从人脸辨认到医学影响分析，人工智能算法的表现已遇上乃至超出了人的表现。不过，进行这些任务的算法通常都是在建立在对不计其数的数据进行分析的基础上的。因此，在数据有限的情况下，人工智能的利用遭到了限制，其中的1个例子就是新药研发领域。

最近，来自美国斯坦福大学（Stanford University）的1个团队试图改变这1点，他们想到了使用深度学习领域中最新的分支——1次学习（one shot learning）。1次学习只需要少很多的数据来解决问题，这个团队之前成功地开发过只需几百个数据点的1次学习算法。但是，对新药开发来讲，能够使用的数据点可能更少，但是科研人员依然决定进行1下尝试。这1成果发表在《ACS Central Science》期刊上。

▲文章通讯作者Vijay Pande教授（图片来源：斯坦福大学官网）

为了让算法更好地分析药物，研究人员首先将药物的份子结构转化成了以原子为基础的几何图形，这1步将药物份子的内在性质转化成了算法能够分析的信息。随后，科研人员让他们的算法学习了两组数据，1组是不同化合物的毒性数据，另外一组是已获批药物的副作用数据。

1次学习算法在接下来的测试中展现出的潜力令研究人员感到吃惊。在第1项实验中，算法学习了6个化合物的毒性后对另外3个化合物的毒性进行了预测，在第2项实验中，算法学习了21个药物的副作用后预测了另外6个药物的副作用。在这两项实验中，算法预测的准确性都比随机猜想更好。

研究人员承认，这项技术还远没有到达成熟的程度。目前的这个算法依赖于1种特殊的1次学习技术，它主要依赖于各个化合物的份子式和结构上的类似性进行预测。当这个算法学习了药物的毒性数据后对副作用进行预测时，准确率就大为降落。

▲用于药物挑选的“1次学习”（图片来源：《ACS Central Science》）

对那些担心人工智能早晚将取代人脑的人来讲，这个研究团队认为他们的算法不会出现这类情况，这个算法终究将成为化学家们的1个工具。当化学家们面对1系列候选药物时，这个算法可以帮助他们选择最有可能成功的那个。由于现在当化学家们需要作出选择时，基本上都靠直觉。

除药物研发以外，这个算法还可以利用到其它化学领域。比如说这个团队最近还使用这个算法预测了太阳能板的不同化学成分组合带来的不同结果。全部算法的源代码也在网上公然发表了。

领导这项研究的斯坦福大学化学系教授Vijay Pande表示：“这项研究是1次学习技术第1次被利用到药物研发领域。机器学习技术的发展使人10分激动，现在还远远没有到达这项技术的终极利用，这只是1个开端而已。”

参考资料：

[1] Stanford researchers create deep learning algorithm that could boost drug development

[2] Low Data Drug Discovery with One-Shot Learning

标签：