人工智能药物设计--只需21天
如果你在考试中总是得到100分中的12分，你在学校能坚持多久？
不会很久
如果你是一个职业棒球大联盟球员，每10次击球只击出1.2次安打，你会在职业棒球联盟呆多久？ 因为大联盟的平均击球率大约是这个数字的两倍，你可能需要认真考虑是否要进入体育评论界！
然而，如果你是一家制药公司的负责人，你可能会很高兴---- 或者，至少，满意---- 有12% 的成功率。 目前，一种药物的总体临床成功率约为12%。 每100种投入研发的药物中，只有12种进入市场。 而且，药物研发的周期时间长，病人因为等待而花费在无效治疗上的金钱达到 数十亿美元。
今年发表的一项研究中Nature Biotechnology自然-生物技术[1]，一组科学家，为了提高药物研发的效率，在21天内设计了6种新颖的 DDR1抑制剂，这是一种与纤维化和其他疾病有关的激酶靶点。 四种化合物在生化检测中有活性，其中两种在细胞检测中得到验证
该研究小组补充说，在小鼠中进行了测试，结果令人满意
这篇论文是我们迈向人工智能驱动药物发现道路上的一个重要里程碑。 我们从2015年开始研究生成化学，当 insilio 和 aln 的论文在2016年发表时，每个人都非常怀疑。 现在，这项技术正在成为主流，我们很高兴看到几年前开发的模型，能够针对简单目标生产分子，并在动物身上进行实验验证。 当整合到全面的药物开发流程中时，这些模型适用于许多目标类别，我们与领先的生物技术公司合作，进一步推动生殖化学和生殖生物学的极限release 释放[2].
于尔根-施密德胡伯教授IDSIA[3], 他是 NNAISENSE 的联合创始人，也是人工智能领域许多核心技术和初始概念的最初发明者，是参与这项研究的众多科学家之一。 他认为，这项研究仅仅是人工智能在医疗保健领域大规模转型的开始
"这项技术建立在我们自1990年以来在对抗性和生成神经网络方面的早期工作之上。 自2015年以来，Insilico 一直致力于药物发现的生殖模型，我很高兴地看到，他们的 GENTRL 系统产生的分子在细胞和小鼠身上得到了实验验证。 人工智能将对制药行业产生变革性的影响，我们需要更多的实验验证结果来加速进步
人工智能将对制药行业产生变革性影响，我们需要更多的实验验证结果，以加快进展。" 于尔根-施密德胡伯
要想知道这个团队21天的周转时间到底能带来多大的变革，可以考虑一下药物开发过程通常需要5年多的时间，花费超过10亿美元。 这只是个开始。 然后，这些公司将面临另外五年的临床试验，另外还有15亿美元的投资。 药物研发的失败率超过99% ，药物研发的失败率超过90%
如果像这样的研究能够继续使药物发现过程不仅更加有效，而且更加准确，治疗成本就会下降---- 而且更有效的治疗方法将使病人比目前需要的时间快得多。 随着投资回报率的提高，制药公司可能会更愿意在药物开发方面进行更多的投资，从而创造一个更好的治疗、更高的盈利能力和更多投资的良性循环
该团队使用了生成对抗性网络(GANs) ，扎沃龙科夫将其描述为一种人工智能想象力。 该技术在图像生成和识别方面有很大的依赖性。
研究人员使用了六个数据集: 一组来自 ZINC 数据集的大量分子数据集; 一组已知的 DDR1激酶抑制剂数据集; 一组普通激酶抑制剂数据集(阳性数据集) ; 一组作用于非激酶靶点的分子数据集(阴性数据集) ; 制药公司声称拥有的生物活性分子专利数据以及 DDR1抑制剂的3D 结构数据集。 在这些数据用于人工智能训练之前，研究人员排除了粗略的异常值，并减少了含有类似结构的化合物的数量。
