江苏龙网

  1. 首页 > 人文 > >

#系统#JMC | 诺华人工智能启发式药物发现推荐系统


#系统#JMC | 诺华人工智能启发式药物发现推荐系统
本文插图
简介
诺华在内的许多制药公司正在将人工智能 ， 机器学习和其他预测技术应用于药物发现 。 例如 ， 将机器学习应用于组织样品中疾病的分析过程 ， 确定潜在的药物靶标 ， 以及下一步要合成的化合物 。 AI的挑战就是如何在正确的时间向正确的人提供正确的信息 。 一些实验室的标准活动将会自动触发系统（例如实验室笔记本录入 ， 蛋白共晶体结构） ， 随后系统执行分析 ， 并将分析后的信息传递给了科学家 。 AI的目标是扩大科学家的视野并为其提供更多药物研发信息以及相关的启发 。 但是 ， 如果建议不合时宜（例如 ， 不相关或发送给错误的人） ， 科学家可以在AI提供的简洁信息中迅速发现 ， 并采取行动制止 。
诺华生物医学研究中心（NIBR）
诺华生物医学研究中心（Novartis Institutes for BioMedical Research, NIBR）开发了5个人工智能启发式药物发现推荐系统 ， 在下表中进行了概述 。 由于在药用化学领域 ， 推荐系统的研究相对较新 ， 因此作者一直专注于一些高价值的实例 ， 这些用例可为科学家带来直接的利益 ， 并得到现有系统的支持 。
#系统#JMC | 诺华人工智能启发式药物发现推荐系统
本文插图
图1. 诺华生物医学研究中心开发的5种不同的药物发现推荐系统
来源：JMC
“Chem Recommender”是元老级别的产品 。 它从化学电子实验室笔记本中挖掘信息 ， 并根据化学家最近工作来建议进行相关的化学合成 。 它还提供了用于合成的化合物的文献建议 。
“ NIBR Hops” 于2019年3月投入生产 。 在发现新的蛋白小分子共晶体结构之后 ， NIBR Hops会通过搜索内部和外部小分子数据库 ， 来推荐与3D的生物活性构象具有相似性性的化合物 。 此外 ， 推荐的的化合物具有新奇2D分子骨架 ， 这些2D分子骨架具有潜在的高价值 。
#系统#JMC | 诺华人工智能启发式药物发现推荐系统
本文插图
图 2. NIBR Hops
来源：JMC
#系统#JMC | 诺华人工智能启发式药物发现推荐系统
本文插图
图3. 不同级别的NIBR Hops建议
来源：JMC
“Assay Sommelier”会组合项目组的信息 ， 并建议进行的相关辅助实验 ， 来尽早识别和筛选潜在的脱靶靶标 。
正在开发另外两个推荐系统 ，“ Transformer”将向正在解决化合物优化难题 ， 为药物化学家提供合成建议 ， “Every Well Counts”旨在提高生物测定的回报率 。
讨论
1）向科学家提供建议的最佳方法是什么？ 理想情况下 ， 像商业购物 ， 音乐或电影系统一样 ， 推荐内容应根据具体情况提供 ， 这并非总是可行的 ， 因为用户界面并不是一直处于控制状态 。 对于Chem Recommender和NIBR Hops ， 作者已经使用电子邮件发送建议 ， 但电子邮件并不是属于科学家的工作环境 。 将来 ， 智能扬声器系统将被考虑在内 ， 以一种实验室友好的方式来进行提醒 。
2）如何评估科学推荐系统？在商业推荐中 ， 评估标准相对简单 。 电子邮件营销活动是否对公司网站的点击率有提高？用户是否购买了建议的商品？用户是否观看了整个推荐电影或将推荐歌曲添加到播放列表？在医药企业中 ， 这比较困难 。 例如 ， Chem Recommender使用电子邮件旨在为用户提供尽可能多的信息 。 用户只需单击即可获取信息 。 但是如果化学家没有点击 ， 那么相关的信息就会被遗漏 ， 推荐系统无法察觉这些外部因素 。
3）如何确定向用户推荐的内容？商业推荐系统倾向于使用算法来进行过滤 。 根据用户的购买以及喜好来进行分类 。 但是 ， 在实验环境中 ， 化学家并不“喜欢”特定分子 。 因为即使化学家在合成中使用或创建了某种特殊的分子 ， 并不意味着该分子会成为人们的最爱 ， 甚至并不意味着化学家将来会使用它 。 而且 ， 即使对于一家大公司 ， 我们的药物化学家数量也相对较少 ， 用户量不足以支持进行分类 。 在这种环境中 ， 相关的领域知识至关重要 。


推荐阅读


上一篇：华为Mate30：华为公布EMUI 10.1升级计划：包含36款机型

下一篇： [未来]未来农村将造出大批富豪？这4个“新领域”大有作为！