近日，由劍橋大學領導的研究人員設計了一種用于藥物發(fā)現(xiàn)的機器學習算法，該算法的效率是工業(yè)標準的兩倍，可以加快開發(fā)新的疾病治療方法的進程。

　　研究人員使用他們的算法來識別新的分子，激活了一種被認為與阿爾茨海默病和精神分裂癥相關的蛋白質。

　　藥物發(fā)現(xiàn)的一個關鍵問題是預測一個分子是否會激活特定的生理過程。所以研究人員會構建一個統(tǒng)計模型尋找已知的激活過程的分子之間的化學模式，但是建立這些模型的數(shù)據(jù)是有限的，因為實驗成本很高，并且不清楚哪種化學模式在統(tǒng)計上是有意義的。

　　劍橋卡文迪什實驗室的阿爾法·李博士認為機器學習在計算機視覺等數(shù)據(jù)豐富的領域取得了重大進展，下一個前沿領域就是科學應用，例如藥物發(fā)現(xiàn)。雖然研究人員對這個問題有著物理上的洞察力，但最大的問題是如何將數(shù)據(jù)與基礎化學和物理學結合起來。

　　該算法由Lee和他的同事與生物制藥公司輝瑞合作開發(fā)，利用數(shù)學將與藥物相關的化學模式分離出來。重要的是，該算法研究已知活性分子和已知不活躍的分子，并識別分子中哪些部分對藥物作用很重要，哪些部分不重要。

　　一種被稱為“數(shù)學原理”的隨機矩陣理論給出了數(shù)據(jù)集，然后將其與活性和非活性分子的化學特征的統(tǒng)計數(shù)據(jù)進行比較，得出哪些化學模式對結合是重要的，而不是產(chǎn)生于偶然?；钚苑肿舆€能計算出另外六百萬個分子。研究人員購買并篩選了100個最相關的分子。由此，他們發(fā)現(xiàn)了四個激活CHRM 1受體的新分子，這是一種可能與阿爾茨海默病和精神分裂癥相關的蛋白質。

　　從六百萬分子中提取出四個活性分子，就像在干草堆中找到一根針，但是利用機器學習算法，事情會變得容易很多。

　　劍橋大學的研究人員目前正在開發(fā)算法，來預測合成復雜有機分子的方法，以及擴展機器學習的新算法。這項研究得到了溫頓可持續(xù)性物理方案的支持。