记者 | 姜菁玲

依据美国每日科学网络的报导，加州大学河滨分校的科学家研发出了一个机器学习算法，经过测试药物的活性，从2亿多个化学物质中，筛选出了数百种新冠肺炎候选药物。

该探讨负责人、加州大学河滨分校教授安南达桑卡·雷解释说，这一药物发觉平台是一个与人力智能相关的计算机算法，可经过来回试错学习预测药物的活性，其预测能力还能不停改良，“关于体系性发觉治疗新冠肺炎新药而言，此类平台是要紧的第一步”。

在探讨中，团队成员乔尔·科瓦列夫斯基用到了与新冠病毒蛋白相互效用的65种人类蛋白的配体，并为每种人类蛋白生成了机器学习模子，这点模子通过训练，可从其3D构造中辩别出新配体。

探讨团队运用这点机器学习模子，从包涵2亿种化学物质的数据库中筛选出了1000多万种小分子，并确定了能最有用靶向与新冠病毒蛋白相互效用的65种人类蛋白的化合物。

它们从这点化合物中鉴别出了曾经得到美国食品药品治理局（FDA）批准的化合物，比如少许药品和食品中运用的化合物。它们还运用机器学习模子计算了各式化合物的毒性，这有助于摒弃潜在的有毒候选物。

科瓦列夫斯基显示，这65种蛋白质的靶标十分多样化，可能还可行帮助众多其它的疾病，比如癌症。

探讨人士显示，这类方法不但使它们鉴别出对单私人类蛋白靶标具备最明显活性的候选药物，还发觉了少许有望抑制两个或若干人类蛋白靶标的化学物。

探讨人士以为，惯例依赖细胞培育测定的方法很不便宜，况且可能须要数年时间对药物发展测试，同一时间疾病自身变得越来越繁杂。运用机器学习方法可行为探讨人士提供进一步探讨的机会，帮助它们从数据中寻觅新的见解，在初步筛查大批化学物质方面它们的人力智能平台具备优势。

除此之外，Ray和Kowalewski显示，尽管COVID-19大盛行是它们研发的能源，但它们期望所做的对超越1000万种化学药品的活性预测，不但能用于研发抗新冠肺炎药物，还能提速其它多个疾病药物的研发流程。

日前名目探讨者Ray正好寻觅资金和合作者，以发展测试、动物实验以及临床试验。