近4万个数据集验证：机器学习加速新药研发进程 近万据集机器加速进程现在

科技日报北京1月16日电 （记者张梦然）英国剑桥大学和美国辉瑞公司合作开发了一个平台，近万据集机器加速进程将自动化实验与人工智能（AI）相结合，个数以预测化学物质如何相互反应，验证研从而加速新药的学习新药设计过程。研究结果发表在最新一期《自然·化学》杂志上。近万据集机器加速进程

预测分子如何反应，个数对于新药的验证研发现和制造至关重要。但从历史上看，学习新药这是近万据集机器加速进程一个反复试验、经常失败的个数过程。为了进行预测，验证研化学家需要在模型中模拟电子和原子，学习新药这一过程计算成本高昂且通常不准确。近万据集机器加速进程

现在，个数研究人员开发了一种受基因组学启发的验证研数据驱动方法。该方法将自动化实验与机器学习相结合，以了解化学反应性，从而大大加快了新药设计过程。他们称，该方法在超过39000个药学相关反应的数据集上得到了验证。

该方法从数据中挑选出反应物、试剂并测试反应性能之间的相关性。数据则是通过非常快速或高通量的自动化实验生成的。研究人员表示，高通量化学已经改变了游戏规则。他们相信有一种新方法，可促进对化学反应的更深入的理解，而不是从高通量实验的初始结果中观察到。此次开发的这种机器学习方法，就能允许化学家调整复杂的分子，再精确引入到分子的预先指定区域，从而加快药物设计速度。

机器学习以往在化学中的应用经常受到限制。与广阔的化学空间相比，其数据量实在太小。但此次研究通过“传授”给模型一般化学知识，然后对其进行微调，预测复杂的化学转化，从而克服了低数据的局限性。

论文第一作者、剑桥大学卡文迪许实验室的艾玛·金-史密斯表示，这一成果可能会改变人们对有机化学的看法。对化学的更深入理解，亦可促使人们更快速制造药品和许多其他有用的化学品。

（原标题：在近四万个药学反应数据集上验证——机器学习加速新药研发进程）

(责任编辑：热点)