英国剑桥大学研究人员设计出有一种新的机器学习算法来找寻药物，其效率已被证明是目前行业标准的两倍，有助新药研发公里/小时。研究成果公开发表在近期出版发行的美国《国家科学院院刊》上。

药物找到的关键点是预测分子否不会转录一个特定的生理过程。可以通过搜寻转录生理过程的分子之间分享的化学模式来创建统计资料模型，但是目前建构这些模型的数据十分受限，因为实验成本高且不确切哪些化学模式具备统计学意义。“机器学习在数据量非常丰富的计算机视觉等领域早已获得了重大进展。”项目主要负责人、剑桥大学卡文迪许实验室的阿法·李博士说道，将其运用到药物找到领域，就是为了解决问题数据量比较受限的问题。

被称作随机矩阵理论的数学原理，得出了关于随机和噪声数据集统计资料特性的假设，用这一原理可以将活性和非活性分子化学特征的统计数据展开较为，以确认哪些化学模式对于融合而言是确实最重要的，哪些只是无意间的。根据这一设想，研究团队与辉瑞制药公司合作开发出有一种算法，即利用数学运算，将与药理学涉及的化学模式从不相关的化学模式中分离出来出去。

最重要的是，该算法不仅研究未知具备活性的分子，而且也不放过那些无活性的分子，并且学会辨识分子的哪些部分对于药物起到是最重要的，而哪些部分是不最重要的，使得那些告终的实验（数据）也可以获得有效地的利用。研究人员用222个活性分子开始建模，已需要从计算出来角度对其他600万个分子展开检验。

由此，研究人员借此检验出有100种最涉及的分子，再行从这些分子中寻找了4种可以转录有可能与阿尔茨海默病和精神分裂症有关的CHRM1受体的新分子。“从600万个分子中检验出有4种活性分子，就像在大海捞针一样，”李博士说道，“详尽较为表明，新的算法效率是行业标准的两倍。”目前研究人员正在完备该算法，预测制备简单有机分子的方法，以及将机器学习方法扩展到新材料设计领域。

本文来源：澳尼斯人娱乐官方网站-www.theprimaryfield.com