如果你在考試中總是得到100分中的12分，你在學(xué)校能堅(jiān)持多久？

不會(huì)很久

如果你是一個(gè)職業(yè)棒球大聯(lián)盟球員，每10次擊球只擊出1.2次安打，你會(huì)在職業(yè)棒球聯(lián)盟呆多久？ 因?yàn)榇舐?lián)盟的平均擊球率大約是這個(gè)數(shù)字的兩倍，你可能需要認(rèn)真考慮是否要進(jìn)入體育評(píng)論界！

然而，如果你是一家制藥公司的負(fù)責(zé)人，你可能會(huì)很高興---- 或者，至少，滿意---- 有12% 的成功率。 目前，一種藥物的總體臨床成功率約為12%。 每100種投入研發(fā)的藥物中，只有12種進(jìn)入市場(chǎng)。 而且，藥物研發(fā)的周期時(shí)間長(zhǎng)，病人因?yàn)榈却ㄙM(fèi)在無(wú)效治療上的金錢達(dá)到 數(shù)十億美元。

今年發(fā)表的一項(xiàng)研究中Nature Biotechnology自然-生物技術(shù)[1]，一組科學(xué)家，為了提高藥物研發(fā)的效率，在21天內(nèi)設(shè)計(jì)了6種新穎的 DDR1抑制劑，這是一種與纖維化和其他疾病有關(guān)的激酶靶點(diǎn)。 四種化合物在生化檢測(cè)中有活性，其中兩種在細(xì)胞檢測(cè)中得到驗(yàn)證

該研究小組補(bǔ)充說(shuō)，在小鼠中進(jìn)行了測(cè)試，結(jié)果令人滿意

這篇論文是我們邁向人工智能驅(qū)動(dòng)藥物發(fā)現(xiàn)道路上的一個(gè)重要里程碑。 我們從2015年開(kāi)始研究生成化學(xué)，當(dāng) insilio 和 aln 的論文在2016年發(fā)表時(shí)，每個(gè)人都非常懷疑。 現(xiàn)在，這項(xiàng)技術(shù)正在成為主流，我們很高興看到幾年前開(kāi)發(fā)的模型，能夠針對(duì)簡(jiǎn)單目標(biāo)生產(chǎn)分子，并在動(dòng)物身上進(jìn)行實(shí)驗(yàn)驗(yàn)證。 當(dāng)整合到全面的藥物開(kāi)發(fā)流程中時(shí)，這些模型適用于許多目標(biāo)類別，我們與領(lǐng)先的生物技術(shù)公司合作，進(jìn)一步推動(dòng)生殖化學(xué)和生殖生物學(xué)的極限release?釋放[2].

于爾根-施密德胡伯教授IDSIA[3], ?他是 NNAISENSE 的聯(lián)合創(chuàng)始人，也是人工智能領(lǐng)域許多核心技術(shù)和初始概念的最初發(fā)明者，是參與這項(xiàng)研究的眾多科學(xué)家之一。 他認(rèn)為，這項(xiàng)研究?jī)H僅是人工智能在醫(yī)療保健領(lǐng)域大規(guī)模轉(zhuǎn)型的開(kāi)始

"這項(xiàng)技術(shù)建立在我們自1990年以來(lái)在對(duì)抗性和生成神經(jīng)網(wǎng)絡(luò)方面的早期工作之上。 自2015年以來(lái)，Insilico 一直致力于藥物發(fā)現(xiàn)的生殖模型，我很高興地看到，他們的 GENTRL 系統(tǒng)產(chǎn)生的分子在細(xì)胞和小鼠身上得到了實(shí)驗(yàn)驗(yàn)證。 人工智能將對(duì)制藥行業(yè)產(chǎn)生變革性的影響，我們需要更多的實(shí)驗(yàn)驗(yàn)證結(jié)果來(lái)加速進(jìn)步

人工智能將對(duì)制藥行業(yè)產(chǎn)生變革性影響，我們需要更多的實(shí)驗(yàn)驗(yàn)證結(jié)果，以加快進(jìn)展。" 于爾根-施密德胡伯

要想知道這個(gè)團(tuán)隊(duì)21天的周轉(zhuǎn)時(shí)間到底能帶來(lái)多大的變革，可以考慮一下藥物開(kāi)發(fā)過(guò)程通常需要5年多的時(shí)間，花費(fèi)超過(guò)10億美元。 這只是個(gè)開(kāi)始。 然后，這些公司將面臨另外五年的臨床試驗(yàn)，另外還有15億美元的投資。 藥物研發(fā)的失敗率超過(guò)99% ，藥物研發(fā)的失敗率超過(guò)90%

如果像這樣的研究能夠繼續(xù)使藥物發(fā)現(xiàn)過(guò)程不僅更加有效，而且更加準(zhǔn)確，治療成本就會(huì)下降---- 而且更有效的治療方法將使病人比目前需要的時(shí)間快得多。 隨著投資回報(bào)率的提高，制藥公司可能會(huì)更愿意在藥物開(kāi)發(fā)方面進(jìn)行更多的投資，從而創(chuàng)造一個(gè)更好的治療、更高的盈利能力和更多投資的良性循環(huán)

該團(tuán)隊(duì)使用了生成對(duì)抗性網(wǎng)絡(luò)(GANs) ，扎沃龍科夫?qū)⑵涿枋鰹橐环N人工智能想象力。 該技術(shù)在圖像生成和識(shí)別方面有很大的依賴性。

研究人員使用了六個(gè)數(shù)據(jù)集: 一組來(lái)自 ZINC 數(shù)據(jù)集的大量分子數(shù)據(jù)集; 一組已知的 DDR1激酶抑制劑數(shù)據(jù)集; 一組普通激酶抑制劑數(shù)據(jù)集(陽(yáng)性數(shù)據(jù)集) ; 一組作用于非激酶靶點(diǎn)的分子數(shù)據(jù)集(陰性數(shù)據(jù)集) ; 制藥公司聲稱擁有的生物活性分子專利數(shù)據(jù)以及 DDR1抑制劑的3D 結(jié)構(gòu)數(shù)據(jù)集。 在這些數(shù)據(jù)用于人工智能訓(xùn)練之前，研究人員排除了粗略的異常值，并減少了含有類似結(jié)構(gòu)的化合物的數(shù)量。