自拍偷在线精品自拍偷,亚洲欧美中文日韩v在线观看不卡

提速1200倍!MIT開發(fā)新一代藥物研發(fā)AI,吊打老模型

人工智能 新聞
MIT研究人員開發(fā)了一個幾何深度學習模型。該模型在成功將類藥物分子與蛋白質結合方面,比最快的計算分子對接模型更快、更準確,減少了藥物試驗失敗的機會和成本。

?眾所周知,整個宇宙充滿著無數(shù)分子。

這些分子中又有多少具有潛在的類似藥物的特性,可用于開發(fā)挽救生命的藥物呢?是百萬級?還是十億級?又或是萬億級?

答案是:10的60次冪。

如此巨大的數(shù)字,大大延緩了新藥的研發(fā)進度,像新冠等快速傳播的疾病,目前遲遲未有特效藥,也是因為分子種類和數(shù)量太大,遠遠超出了現(xiàn)有藥物設計模型可以計算的范圍。

MIT的一個研究團隊偏不信這個邪。算不過來是吧,那把之前的模型加加速總可以吧?

這一加速,就是1200倍。?

他們研究了一款名為「EquiBind」的幾何深度學習模型,該模型比之前最快的計算分子對接模型「QuickVina2-W」快了1200倍, 成功地將類藥物分子與蛋白質結合,減少了藥物試驗失敗的機會和成本。

研究論文即將發(fā)表在ICML 2022上。

圖片

初識「EquiBind」

「EquiBind」是基于其前身「EquiDock」研發(fā)的,「EquiDock」使用了已故的麻省理工學院AI研究員Octavian-Eugen Ganea開發(fā)的技術,去結合兩種蛋白質。Ganea也是「EquiBind」論文的合著者。

在藥物開發(fā)開始之前,研究人員必須找到有前途的藥物樣分子,這些分子可以在藥物發(fā)現(xiàn)的過程中正確地結合或「停靠」在特定的蛋白質靶點上。

在與蛋白質成功對接后,結合藥物(配體),可以阻止蛋白質發(fā)揮作用。如果這種情況發(fā)生在細菌的一種基本蛋白質上,它可以殺死細菌,從而保護人體。

然而,不論是從經(jīng)濟角度分析,還是從計算角度分析,藥物發(fā)現(xiàn)的過程都可能是昂貴的,研發(fā)過程動輒耗資數(shù)十億美元,并且在FDA最終批準之前,會進行超過十年的開發(fā)和測試。

更重要的是,90%的藥物在人體試驗后由于沒有效果或副作用過多而失敗。

所以制藥公司收回這些成本的方法之一就是,提高最終成功研發(fā)藥物的價格。

走進「EquiBind」

目前,尋找有希望的候選藥物分子的計算過程是這樣的:大多數(shù)最先進的計算模型依賴于大量的候選樣本,再加上評分、排名和微調等方法,以獲得配體和蛋白質之間的最佳「匹配」。

Hannes St?rk是MIT電子工程與計算機科學系的一年級研究生,也是這篇論文的主要作者,他把典型的「配體-蛋白質」結合方法比作「試圖把鑰匙放進有很多鑰匙孔的鎖中」。

圖片

 典型的模型在選擇最佳模型之前會花費時間對每個「擬合度」進行評分。相比之下,「EquiBind」無需事先了解蛋白質的目標口袋,只需一步就能直接預測出精確的關鍵位置,這被稱為「盲對接」。

與大多數(shù)需要多次嘗試才能找到配體在蛋白質中的有利位置的模型不同,「EquiBind」已經(jīng)具有內置的幾何推理功能,可幫助模型學習分子的潛在物理特性,并成功地進行歸納。以便在遇到新的或者無法識別的數(shù)據(jù)時成功泛化,以做出更好的預測。

 這些發(fā)現(xiàn)的發(fā)布迅速引起了業(yè)內專業(yè)人士的注意,其中包括Relay Therapeutics首席數(shù)據(jù)官Pat Walters。

Walters建議,研究小組可以在一種現(xiàn)有的用于肺癌、白血病和胃腸道腫瘤的藥物和蛋白質上去嘗試他們的模型。盡管大多數(shù)傳統(tǒng)的對接方法都未能成功地結合這些蛋白質上的配體,但是「EquiBind」成功了。

Walters說:「EquiBind為對接問題提供了一種獨特的解決方案,它結合了姿態(tài)預測和結合位點識別?!?/p>

「并且這種方法利用了來自數(shù)千個公開的晶體結構的信息,有可能會以新的方式影響該領域?!?/p>

St?rk表示:「當其他所有方法都完全錯誤或僅有一個正確時,我們很驚訝,因為EquiBind能夠把它放進正確的口袋,看到這個結果,我們是十分激動的!」

助力「EquiBind」

盡管「EquiBind」已經(jīng)收到了大量的來自業(yè)內專業(yè)人士的反饋,并且這些反饋幫助了團隊考慮計算模型的實際用途,但St?rk仍希望在7月份即將舉行的ICML上找到不同的觀點。

St?rk表示:「我最期待的反饋是關于如何進一步改進該模型的建議。」

「我想和這些研究人員討論,告訴他們我認為下一步可以怎么做,并鼓勵他們繼續(xù)前進,將模型用于他們自己的論文和方法中。目前已經(jīng)有很多研究人員聯(lián)系了我們,詢問我們這個模型是否會對他們的問題有用?!?/p>

此外,這篇文章同樣也是為了紀念Octavian-Eugen Gane,他為幾何機器學習研究做出了至關重要的貢獻,并慷慨地指導了許多學生,他是一個有著謙遜靈魂的杰出學者。

今年上半年,他在一次徒步旅行中永遠離開了我們。

責任編輯:張燕妮 來源: 新智元
相關推薦

2019-07-09 13:13:10

AI 數(shù)據(jù)人工智能

2018-01-09 20:32:23

阿里云企業(yè)級存儲

2022-10-12 16:43:29

亞馬遜云科技AI制藥

2023-09-08 10:40:31

CIOAIGC

2020-03-19 10:31:14

AI 數(shù)據(jù)人工智能

2009-07-09 18:03:54

開源云計算開發(fā)

2022-07-15 09:25:01

AI制藥

2021-09-23 19:22:46

辦公

2009-06-25 17:14:59

JSF框架

2009-04-02 08:38:55

Windows 7微軟操作系統(tǒng)

2016-09-29 15:13:34

以太網(wǎng)網(wǎng)絡速度

2023-09-18 16:05:24

AI圖像處理軟件

2012-07-02 10:36:19

菲亞特

2022-03-10 16:01:29

Playwright開源

2013-01-04 16:15:08

微軟ERPDynamics AX

2023-04-14 14:42:07

騰訊人工智能

2010-06-21 13:31:10

微軟outlook

2016-01-26 11:58:12

2009-05-22 09:02:45

Firefox瀏覽器插件

2023-12-30 16:30:29

開發(fā)者工具Vite
點贊
收藏

51CTO技術棧公眾號