详细内容或原文请订阅后点击阅览
神经网络经过训练来模拟潜在的抗癌药物
来自 Mail.Ru Group、Insilico Medicine 和 MIPT 的开发人员率先使用神经网络来创造新药。使用经过训练“发明”分子结构的生成神经对抗网络技术可以显着减少寻找具有潜在治疗特性的物质的时间和成本。
来源:Robogeek新闻频道（关于机器人技术的俄罗斯与世界新闻）来自 Mail.Ru Group、Insilico Medicine 和 MIPT 的开发人员率先使用神经网络来创造新药。使用经过训练“发明”分子结构的生成神经对抗网络技术可以显着减少寻找具有潜在治疗特性的物质的时间和成本。
研究人员设想可以利用这些技术在从肿瘤学到心血管疾病等领域寻找新药。结果发表在同行评审期刊 Oncotarget 上。
目前，无机分子数据库包含数亿种物质，其中只有百分之一的物质用于医学。制造药物的药理学方法主要是遗传性的。例如，药理学家继续研究已经使用多年的阿司匹林，在分子中添加一些东西来减少副作用或增加有效性，但它仍然是同一种物质。如何从数以亿计的具有药用特性的全新分子中选择出来？ MIPT 和 Insilico Medicine 的研究人员在 2016 年初利用神经网络解决了这个问题，并在《分子制药》杂志上发表了一篇文章。这一次，研究人员决定更进一步，为自己设定了一个不同的目标——创造具有预定特性的新分子，并迫使深层神经网络“想象”能够在一定浓度下杀死癌细胞的新分子结构。
神经网络的训练取决于输入数据量和网络本身的大小。平均而言，我们的神经网络在一周内完成训练[取决于网络以及数据和硬件]。播放效果受各层配置的影响。找到最佳的网络架构解决方案可能需要几天到几个月的时间。建立神经网络是一门艺术。