聪慧网-聪慧过人( 三 ) _生活百科

根据之前两种药物开发路径，首先对已有参考分子项目，不再通过专家设计分子，而是通过 ligand-based的AI分子生成模型生成大量参考分子，即在某个特定性质、形状、化学性质或药效团上类似分子。
其次，就是没有参考分子的first-in-class项目， AI主要进行高通量筛选，进行数量级更高通量的筛选，这往往就是10亿级化合物库。
这里的化合物库可合成性，虽然没有万级别化合物库好，但也符合化合物合成规则。而且， AI还可以用分子生成方法，在分子空间的某一些区域内更密集生成分子。
在生成分子之后，接下里就是筛选，例如HIT和LEAD活性实验，这个实验并不直接在实验室，而是通过MD和FEP方法进行验证。
后面我们也会用AI进行ADMET模型判别，对分子进行性质判别，如果不太符合要求就要对分子进行进一步优化。
此时我们也可以采用强化学习技术，基于性质判别器和强化学习技术推动分子结构改变。

文章插图
以上，就是AI企业切入药物研发可供助力的几个角度。
当然，这些层面，有些做得好，有些还在发力中，有些还比较滞后，但目前来说，整个领域发展有很多资本注入，有很多人才进入。
宏观上看， 2020年中国创新药研发市场规模也越来越大，达到万亿人民币规模。
国家政策层面上，对创新药研发也非常重视，人工智能助力创新药研发就是焦点之一。

文章插图

算法与算力：AI介入的可行性答案接下来从数据、算法、算力维度来介绍 AI发挥作用的案例。
首先药物研发，主要有两大要素，一个是药物分子，往往是有机小分子；另一个要素是蛋白质，我们用计算机去建模，表示这两个物质。
今天重点讲讲蛋白质表示，这是近年研究热点之一，有结果产出。

文章插图
这里列出蛋白质3级结构：一级结构是蛋白质序列，即氨基酸构成序列；二级结构是序列根据氨基酸之间氢键作用盘曲而成，例如β-sheet和α-helix；三级结构是进一步由这些二级结构之间、氨基酸之间相互作用折叠成整个蛋白质的结构。
三级结构从三维空间去分析，是一个很小的物体。它在生物体内形状并不随意，因为会承担一些特定生物功能。
蛋白质测序技术现在已经非常成熟，人类也已经测得亿级别蛋白质序列。
这个序列很像自然语言句子，从AI工程师角度，我们很自然会设想能不能基于这个特点做一些挖掘，事实我们后面的工作就是从这个点展开。
这里再提一个很有趣的现象，蛋白质序列中，尽管不使用深度学习而是传统数据挖掘手段仍可以发现共进化现象。
人们发现同源蛋白序列中，往往成对氨基酸会被同时发生变化，故发生突变之后，两个氨基酸仍能形成一些氢键作用。
【聪慧网-聪慧过人】例如，从这个图上可以看到， 4个同源氨基酸序列，两个灰色框氨基酸基本同时发生变化。因为同时发生变化，所以这里始终会有一个结合位点，在结合位点，整个序列在三维空间会发生折叠。
接下来介绍一下建模工作，这是Facebook在2019年开始的一项工作，开始比较直接，后期引用一些共进化数据。
这个项目前期纯粹是使用亿级蛋白序列进行建模，用的模型是transformer，训练任务是mask token prediction 。他的token是 residues，也就是氨基酸。

以上关于本文的内容，仅作参考！温馨提示：如遇专业性较强的问题（如：疾病、健康、理财等），还请咨询专业人士给予相关指导!

「辽宁龙网」www.liaoninglong.com小编还为您精选了以下内容，希望对您有所帮助：