在針對性分子生成和多參數(shù)優(yōu)化方面表現(xiàn)突出

原標題：成功率可達100%，藥物開發(fā)公司Cellarity聯(lián)手英偉達，基于強化學(xué)習(xí)優(yōu)化靶向分子
文章來源：HyperAI超神經(jīng)
內(nèi)容字數(shù)：8519字

AI賦能藥物研發(fā)：MOLRL算法加速靶向分子優(yōu)化

本文介紹了Cellarity公司和英偉達團隊提出的基于潛在強化學(xué)習(xí)的靶向分子優(yōu)化方法MOLRL，以及其在藥物研發(fā)領(lǐng)域的應(yīng)用和潛力。文章回顧了藥物研發(fā)歷史，從的發(fā)現(xiàn)到AI技術(shù)的應(yīng)用，展現(xiàn)了藥物研發(fā)技術(shù)的不斷進步。

1. 藥物研發(fā)歷史回顧

   從19世紀初的發(fā)現(xiàn)，到阿司匹林的合成，再到高通量篩選技術(shù)和靶向藥物的興起，藥物研發(fā)歷經(jīng)百年發(fā)展。如今，人工智能技術(shù)的飛速發(fā)展為藥物發(fā)現(xiàn)帶來了新的可能，AI可以加速藥物靶點驗證、藥物結(jié)構(gòu)設(shè)計優(yōu)化，甚至直接生成具有特定性質(zhì)的分子。

2. MOLRL算法：潛在強化學(xué)習(xí)的應(yīng)用

   Cellarity和英偉達的研究人員提出了一種新穎的基于潛在強化學(xué)習(xí)的靶向分子優(yōu)化方法MOLRL。該方法結(jié)合了預(yù)訓(xùn)練的生成模型和先進的強化學(xué)習(xí)算法，在連續(xù)空間中進行優(yōu)化。MOLRL框架包含潛在空間生成模型和強化學(xué)習(xí)代理兩部分，通過獎勵函數(shù)引導(dǎo)代理在潛在空間中尋找具有所需屬性的分子。研究人員在兩種不同編碼器-解碼器架構(gòu)(VAE和MolMIM)上評估了MOLRL的性能。

3. MOLRL算法性能及優(yōu)勢

   研究人員通過多目標優(yōu)化任務(wù)，將MOLRL與現(xiàn)有最先進方法進行比較。結(jié)果顯示，MOLRL在多種任務(wù)中表現(xiàn)出優(yōu)越或具有競爭力的性能，尤其在針對性分子生成和多參數(shù)優(yōu)化方面。MOLRL在保留指定分子骨架的同時優(yōu)化多目標屬性方面也表現(xiàn)出色，例如在優(yōu)化含氨基嘧啶骨架的分子時達到了100%的成功率。與直接操作分子結(jié)構(gòu)的方法相比，MOLRL在潛在空間中進行操作，避免了離散性帶來的梯度不連續(xù)問題。

4. AI提升藥物研發(fā)效率

   藥物研發(fā)成本高昂且耗時，一個新藥從發(fā)現(xiàn)到上市平均需要10年以上的時間和數(shù)十億美元的投入。AI技術(shù)的應(yīng)用可以顯著提高藥物發(fā)現(xiàn)的效率，降低研發(fā)成本。例如，諾華和微軟的研究利用機器學(xué)習(xí)模型重現(xiàn)了醫(yī)學(xué)化學(xué)家的“化學(xué)直覺”，英矽智能則利用AI平臺在18個月內(nèi)以260萬美元的成本發(fā)現(xiàn)了治療IPF的新型靶點和候選分子。AI在藥物發(fā)現(xiàn)領(lǐng)域的市場規(guī)模持續(xù)增長，未來潛力巨大。

總而言之，MOLRL算法的出現(xiàn)標志著AI在藥物研發(fā)領(lǐng)域取得了重要進展，它為加速靶向分子優(yōu)化，降低藥物研發(fā)成本和時間提供了新的途徑，有望推動藥物發(fā)現(xiàn)領(lǐng)域的變革，最終造福人類健康。

聯(lián)系作者

文章來源：HyperAI超神經(jīng)
作者微信：
作者簡介：解構(gòu)技術(shù)先進性與普適性，報道更前沿的 AIforScience 案例