虽然制药行业可能需要数年时间才能创造出能够治疗或治愈人类疾病的药物，但一项新的研究表明，使用生成人工智能可以大大加速药物开发过程。

今天，大多数药物发现都是由人类化学家进行的，他们依靠自己的知识和经验来选择和合成成为我们依赖的安全高效药物所需的正确分子。为了确定合成路径，科学家们经常采用一种称为逆合成的技术 - 一种通过从想要的分子向后工作并寻找化学反应来制造它们来创造潜在药物的方法。

然而，由于筛选数百万个潜在的化学反应可能是一项极具挑战性和耗时的工作，俄亥俄州立大学的研究人员创建了一个名为G 的人工智能框架。2复古可自动生成任何给定分子的反应。这项新研究表明，与目前的手动计划方法相比，该框架能够涵盖大量可能的化学反应，并准确快速地识别哪些反应可能最适合创建给定的药物分子。

“将人工智能用于拯救人类生命的关键事情，如医学，是我们真正想要关注的，”该研究的第一作者，俄亥俄州立大学计算机科学与工程副教授夏宁说。“我们的目标是使用人工智能来加速药物设计过程，我们发现它不仅可以节省研究人员的时间和金钱，而且提供的候选药物可能比自然界中存在的任何分子都具有更好的特性。

这项研究建立在Ning之前的研究基础上，她的团队开发了一种名为Modof的方法，该方法能够产生比任何现有分子都更好地表现出所需特性的分子结构。“现在的问题是如何制造这种生成的分子，这就是这项新研究的亮点，”Ning说，他也是医学院生物医学信息学副教授。

这项研究今天发表在《通信化学》杂志上。

宁志恒的团队训练了G2在包含 40 年至 000 年间收集的 1976，2016 个化学反应的数据集上进行复古。该框架从给定分子的基于图的表示中“学习”，并使用深度神经网络生成可用于合成它们的可能的反应物结构。它的生成能力令人印象深刻，据Ning说，一旦给一个分子，G2Retro可以在短短几分钟内提出数百个新的反应预测。

“我们的生成式人工智能方法G2Retro能够提供多种不同的合成路线和选择，以及一种对每种分子的不同选择进行排名的方法，“宁说。“这不会取代目前基于实验室的实验，但它将提供更多更好的药物选择，因此实验可以更快地确定优先级和集中精力。

为了进一步测试AI的有效性，Ning的团队进行了一项案例研究，看看是否G。2Retro可以准确预测已经上市的四种新发布的药物：米塔皮伐特，一种用于治疗溶血性贫血的药物;Tapinarof，用于治疗各种皮肤病;Mavacamten，一种治疗全身性心力衰竭的药物;和奥替康唑，用于治疗女性真菌感染。G2Ning说，Retro能够为这些药物正确生成完全相同的专利合成路线，并提供可行且合成有用的替代合成路线。

拥有这样一个动态而有效的设备供科学家使用可以使该行业以更快的速度制造出更强的药物 - 但尽管人工智能可能会给实验室内的科学家带来优势，但Ning强调药物。2复古或任何生成AI创造仍然需要验证 - 这个过程涉及在动物模型中测试所创造的分子，然后在人体试验中进行测试。

“我们对医学的生成人工智能感到非常兴奋，我们致力于负责任地使用人工智能来改善人类健康，”宁说。