人工智能显著加速药物发现：开辟治疗癌症的新途径
美国加州大学圣地亚哥分校的科学家们开发了一种机器学习算法，用于模拟药物发现早期阶段的耗时化学反应，显著简化了这一过程，为发现创新治疗方法开辟了新途径。以往确定候选药物并进一步优化通常需要进行数千个单独的试验，而这种新的人工智能平台能够在极短时间内提供相同的结果。该团队在《自然通讯》（Nature Communications）杂志上报告了他们使用这一新工具合成了32种新的癌症候选药物的成果。这项技术是制药科学利用人工智能改善药物发现和开发的新趋势的一部分。在药物发现的人工智能工具中，这个名为POLYGON的新平台独树一帜，因其能够识别具有多个靶点的分子，而现有的药物发现流程通常只关注单一靶点治疗。多靶点药物因其能提供类似于联合治疗的效益——即使用多种药物联合治疗癌症但副作用更少——而受到医生和科学家的高度关注。研究人员在一个包含超过100万种已知生物活性分子的数据库上训练了POLYGON，该数据库详细记录了这些分子的化学性质及其与蛋白质目标的已知相互作用。通过学习数据库中发现的模式，POLYGON能够生成具有特定功能，如抑制特定蛋白质能力的新候选药物的初始化学配方。
頁:
[1]