您现在的位置是:首页 > 医疗

MIT尝试以机器学习技术改变药物研发流程

2022-09-11 02:05:01

据报导,麻省理工学院(MIT)成立药物研发合成之机器学习协会(MLPDS),试图改变药物研发制造流程,目前已有8个产业合作伙伴,皆为制药领域龙头,包括Amgen、BASF、Bayer、Lilly、NovarTIs、Pfizer、Sunovion和WuXi等。

药物研发所费不赀又耗时,但机器学习可望分析大量化学资料,提高研发效率,对于研发流程和结果皆有帮助。MLPDS协会将结合MIT研究团队和产业的力量,首要目标是把机器学习引进药物研发流程中。

2018年4月时,MIT举办高峰会,由计算机科学教授Regina Barzilay和电子工程教授Erna Viterbi等人领军,召集MIT研究者以及科技、生技和管制单位的龙头,探讨如何以数码科技和人工智能(AI)克服生物医疗和医疗照护的重大挑战。

MLPDS协会起初受到美国国防高等研究计画署(DARPA)Make-It计画所资助,目标是以机器学习和自动系统来合成药物,先后于2017年5月和9月跟制药产业的企业代表会商,无论产业界或MIT皆有浓厚兴趣展开合作。

材料科学工程教授Klavs Jensen表示,合作厂商满怀热忱,加上机器学习技术潜力无限,这些将是化学和制药产业科学家的强力后盾,机器学习有助于规划化学合成路径,带领我们探索新的化学领域,提升化学的多样性,将更有机会找出具备特殊功能的化合物。

2018年5月MLPDS协会再度聚集产业合作伙伴,透过教学和合作研究计画,让他们对于机器学习有基本概念。Barzilay为大家讲授基础的监督式学习(supervised learning),亦即机器学习的其中一种方法,也涵盖神经模型和表征学习(representaTIon learning)。

Barzilay表示,只是刚开始探索这个新领域,但未来潜力无穷,可望改善人们的生活,这次跟制药产业合作,相信会是合作顺利的关键,他向来从产业界获益良多,发现不少值得思考的新问题。

协会的目标之一是建立评估标准和标竿资料集,以确认机器学习方法的准确度,目前大多数研究团队都是基于内部资料集来进行评估,有碍不同模型之间互相比较,进而拖慢科学进程,更糟糕的是,公开资料及通常无法呈现制药研究所面对的复杂性。

MIT透过新协会进行跨领域合作,包括机器学习、化学和化学工程等。这对于新科技的研究者和使用者都有好处,有助于了解目前的发展程度,以及机器学习新科技的发展潜力。Jaakkola也表示,结合现代机器学习技术和化学知识,可望开启药物研发、改良和合成的新途径。

化学工程研究生Connor Coley表示,虽然药物合成规划软件由来已久,但仍未获得广泛采用,合成规划对于初期药物研发阶段至关重要,可快速发现新的合成策略,减少反复研发、合成、测试的时间。

合作厂商也看好机器学习技术的潜力,Amgen的Shawn Walker表示,机器学习可望加速药物研发,更快速把新药交到病患手上。诺瓦德氏生物医疗研究机构(NIBR)表示,他们很期待加入MIT所成立的新协会,可望加速制作更安全而有效的药物。