劉琦教授課題組在WIREs Computational Molecular Science雜志發(fā)表論文探討基于人工智能...
利用人工智能技術進行小分子設計以及新藥研發(fā)是制藥領域的熱點研究問題之一。人工智能技術有望縮短藥物研發(fā)時間，減少藥物研發(fā)成本。近日，劉琦教授課題組受邀在國際計算化學領域著名期刊WIREs系列刊物《WIREs Computational Molecular Science》發(fā)表長文，系統(tǒng)探討了基于深度生成模型(Deep Generative Models)進行藥物研發(fā)的計算問題。深度生成模型是近年來人工智能領域的重點研究技術之一。其有別于機器學習領域的判別模型，通過對于樣本空間的分布進行刻畫，可以完成諸如樣本采樣、密度估計以及樣本的自動生成和特征提取等任務。在新藥研發(fā)領域，有望結合深度生成模型技術進行小分子的de novo生成，用以快速有效的生成具有全新結構以及特定屬性的小分子，故具有廣泛的應用前景。傳統(tǒng)生成模型在建模過程中存在諸如分布學習難度大，參數估計困難等若干挑戰(zhàn)，生成模型和深度學習的融合一定程度上為克服這些問題帶來了新的解決思路。在本工作中，作者首次提出從變分自編碼器（VAE）、對抗自編碼器（AAE）、生成對抗網絡(GAN)以及混合模型（生成模型加強化學習，Reinforcement Learning）四個不同層面（圖一）對于該研究領域進行了分類，并且系統(tǒng)探討了其在藥物小分子生成領域的應用。本研究進而從小分子的指紋描述和圖結構描述、生成模型的基準比較、深度生成模型的開源平臺獲取以及基于深度生成模型的圖像生成和小分子生成類比四個方面對于該領域的若干開放問題進行了深入探討。該論文的研究和總結對于基于人工智能技術進行藥物研發(fā)提供了新穎而重要的啟示和指導。
圖一：深度生成模型的具體分類
劉琦教授課題組以AI和機器學習計算技術為基礎，重點關注于藥物研發(fā)、腫瘤精準治療及基因編輯領域的交叉計算問題研究，同時積極進行計算機科學和生物醫(yī)學交叉領域的科普宣傳（見: 生物信息學研究的思考，化學界誕生了一個“AlphaGO”, 人工智能應用于新藥研發(fā)的范式轉變）。本工作由同濟大學生物信息系、同濟附屬第十人民醫(yī)院以及中國科學技術大學附屬第一醫(yī)院藥劑科相關科研人員合作完成。本論文工作得到了國家科技部重點研發(fā)計劃精準醫(yī)學重大專項，慢病專項，國家自然科學基金和上海市科委的基金項目資助。
文章鏈接：http://onlinelibrary.wiley.com/doi/10.1002/wcms.1395/abstract
版權與免責聲明：本網頁的內容由收集互聯(lián)網上公開發(fā)布的信息整理獲得。目的在于傳遞信息及分享，并不意味著贊同其觀點或證實其真實性，也不構成其他建議。僅提供交流平臺，不為其版權負責。如涉及侵權，請聯(lián)系我們及時修改或刪除。郵箱：sales@allpeptide.com