详细内容或原文请订阅后点击阅览
向 AI 提供数据以加速药物发现
开发新药可能需要进行数千次化学实验，以确定安全、有效且价格合理的药物的正确配方。
来源:密歇根大学密歇根大学研究人员构建了独特的化学反应数据集，以简化药物研究、解决供应链挑战、为人工智能提供动力
开发新药可能需要进行数千次化学实验，以确定安全、有效且价格合理的药物的正确配方。
这个过程缓慢且劳动密集型，许多反应依赖于难以来源的金属作为重要的催化剂。
虽然人工智能正在帮助加快药物发现的过程，但它只能从可用的数据中学习，而当涉及到化学反应时，训练强大的人工智能工具所需的大型、高质量数据集并不存在。
这就是 Tim Cernak 和他在密歇根大学药学院的团队发挥作用的地方。
他们创建了一个开放访问数据库，其中包含 50,000 多个精心设计的化学实验，测试了数千种成分和条件的组合，以更好地了解形成碳氮键的反应，碳氮键是许多药物的基本组成部分。
Cernak 表示，该数据库是迄今为止最大的化学反应数据体，并且只是一个开始，可以发展成为一个更大的化学反应条件库，为人工智能系统提供数据。
“建立能够实现这一目标的平台已经花费了十多年的时间，但它仍然只是触及表面，”药学院药物化学副教授 Cernak 说。
科学家可以通过开放反应数据库（一个共享反应的网站）免费获取这些数据。
“我们对其他科学家在这个新数据集中取得的发现感到兴奋，”Cernak 说。 “有太多数据需要挖掘。”
让研究人员和人工智能系统能够访问更多的反应数据可以帮助找到有希望的方法来更快、更高效地制造药物。它还可以帮助科学家找到药物制造中使用的基于贵金属的昂贵或难以来源的催化剂的替代品。