211service.com
Software drømmer om nye molekyler i Quest for Wonder Drugs
Hvad får du, hvis du krydser aspirin med ibuprofen? Harvard kemi professor Alan Aspuru-Guzik er ikke sikker, men han har trænet software, der kunne give ham et svar ved at foreslå en molekylær struktur, der kombinerer egenskaberne af begge lægemidler.
AI-programmet kan hjælpe med at søge efter nye lægemiddelforbindelser. Farmaceutisk forskning har en tendens til at stole på software, der udtømmende kravler gennem gigantiske puljer af kandidatmolekyler ved hjælp af regler skrevet af kemikere og simuleringer, der forsøger at identificere eller forudsige nyttige strukturer. Førstnævnte er afhængig af, at mennesker tænker på alt, mens sidstnævnte er begrænset af nøjagtigheden af simuleringer og den nødvendige computerkraft.
Aspuru-Guziks system kan opfinde strukturer mere uafhængigt af mennesker og uden lange simuleringer. Det udnytter sin egen erfaring, bygget op ved at træne maskinlæringsalgoritmer med data om hundredtusindvis af lægemiddellignende molekyler.
'Den udforsker mere intuitivt ved at bruge kemisk viden, den har lært, ligesom en kemiker ville,' siger Aspuru-Guzik. 'Mennesker kunne være bedre kemikere med denne form for software som deres assistent.' Aspuru-Guzik blev opkaldt til MIT Technology Review 's liste over unge innovatører i 2010.
Det nye system blev bygget ved hjælp af en maskinlæringsteknik kaldet deep learning, som er blevet gennemgående i computervirksomheder, men er mindre etableret i naturvidenskaberne. Den bruger et design kendt som en generativ model, som tager en masse data ind og bruger det, den har lært, til at generere plausible nye data af sine egne.
Generative modeller bruges mere typisk til at skabe billeder, tale eller tekst, for eksempel i tilfælde af Googles Smart Reply-funktion, der foreslår svar på e-mails. Men i sidste måned Aspuru-Guzik og kolleger ved Harvard, University of Toronto og University of Cambridge offentliggjorte resultater fra at skabe en generativ model trænet på 250.000 lægemiddellignende molekyler.
Systemet kunne generere plausible nye strukturer ved at kombinere egenskaber af eksisterende lægemiddelforbindelser og blive bedt om at foreslå molekyler, der stærkt viste visse egenskaber såsom opløselighed og er nemme at syntetisere.
Vijay Pande , professor i kemi ved Stanford og partner med venturekapitalfirmaet Andreessen Horowitz, siger, at projektet føjer til den voksende evidens for, at nye ideer inden for maskinlæring vil transformere videnskabelig forskning (se Stopning af brystkræft med hjælp fra AI).
Det tyder på, at deep-learning software kan internalisere en slags kemisk viden og bruge den til at hjælpe videnskabsmænd, siger han. Det tror jeg kunne være meget bredt anvendeligt, siger Pande. Det kan spille en rolle i at finde eller optimere ledende lægemiddelkandidater eller andre områder som solceller eller katalysatorer.
Forskerne har allerede eksperimenteret med at træne deres system på en database med organiske LED-molekyler, som er vigtige for skærme. Men at gøre teknikken til et praktisk værktøj vil kræve at forbedre dens kemifærdigheder, fordi de strukturer, den foreslår, nogle gange er meningsløse.
Pande siger, at en udfordring for at bede software om at lære kemi kan være, at forskerne endnu ikke har identificeret det bedste dataformat til at bruge til at fodre kemiske strukturer ind i deep-learning software. Billeder, tale og tekst har vist sig at passe godt – som det fremgår af software, der konkurrerer med mennesker med billed- og talegenkendelse og oversættelse – men eksisterende måder at indkode kemiske strukturer på er måske ikke helt rigtige.
Aspuru-Guzik og hans kolleger tænker på det, sammen med at tilføje nye funktioner til hans system for at reducere dets kemiske blooper-hastighed.
Han håber også, at det at give sit system flere data, for at udvide dets kemividen, vil forbedre dets kraft, på samme måde som databaser med millioner af fotos har hjulpet billedgenkendelse til at blive nyttig. American Chemical Society's database registrerer omkring 100 millioner offentliggjorte kemiske strukturer. Inden længe håber Aspuru-Guzik at fodre dem alle til en version af hans AI-program.