中新網(wǎng)北京11月1日電 (記者 孫自法)施普林格·自然旗下學術(shù)期刊《自然-通訊》最新發(fā)表一篇化學論文稱，研究人員研發(fā)出一種機器學習模型，該模型能部分重現(xiàn)職業(yè)化學家在工作中積累的集體知識，這類知識通常被稱為“化學直覺”。該研究認為，這或使今后的藥物研發(fā)更高效。

　　據(jù)論文介紹，傳統(tǒng)上，藥物與化學發(fā)現(xiàn)需要依靠試錯實驗和研究人員在工作中積累的知識，而使用模擬工具，尤其是機器學習，能讓研究人員更快地發(fā)現(xiàn)候選分子，極大降低發(fā)現(xiàn)新藥用化合物的成本。如果要用機器學習預測分子性質(zhì)，分子就必須還原到數(shù)學表達，這通常包含一組性質(zhì)或“特征”，確定正確特征是這些數(shù)據(jù)驅(qū)動性能預測模型成功的關(guān)鍵。

　　論文共同通訊作者、瑞士諾華生物醫(yī)學研究所Nikolaus Stiefl、英國劍橋微軟研究院科學智能中心José Jiménez-Luna和他們的同事合作，讓35名醫(yī)學化學家各自從5000對分子中選擇自己更偏向的分子，再用他們的回答做成排序游戲來訓練一個機器學習模型，隨后讓這個模型給分子打分。研究發(fā)現(xiàn)，這個分數(shù)基本不受該領(lǐng)域之前作為特征的其他性質(zhì)的影響，因為這來自行業(yè)內(nèi)多年的知識積累。

　　論文作者指出，合作團隊提議的模型還能用來改變數(shù)學模型的推薦，從而更好地匹配化學家的集體專業(yè)知識，有望在今后早期藥物研發(fā)中縮短迭代時間。

　　他們總結(jié)認為，最新研究的這種方法或能在藥物研發(fā)中作為對分子建模的補充，從而推動藥物研發(fā)更高效。(完)