預測分子如何反應對於新藥的研發和製造至關重要。這常靠反復試驗,失敗率較高;化學家們也嘗試在簡化模型中類比電子和原子的變化,但這一過程的計算成本很高,且結果常不準確。
英國劍橋大學和美國輝瑞公司的研究人員合作在英國《自然·化學》雜誌上刊文說,他們開發了一種基於資料驅動的方法,將自動化實驗與人工智慧相結合,用機器學習模型大大縮短了預測分子反應的過程。研究人員使用包含超過3.9萬個藥物相關反應的資料集驗證了該方法的有效性。
在預測分子反應的結果後,機器學習模型還可以説明研究人員根據需要對複雜分子進行調整。研究人員另在《自然·通訊》上發表一篇相關論文,表示與過去調整分子時往往要從頭重建不同,新方法可以只對複雜分子的某些部位進行調整,從而提高效率。
研究人員表示,上述成果可以幫助化學家更快找到符合需求的複雜分子,在藥物研發等領域能夠有效縮短研發時間。
最新評論