人工智能學習化學語言以預測如何制作藥物

研究人員設計了一種機器學習算法，該算法比受過訓練的化學家更準確地預測化學反應的結果，并提出了制造復雜分子的方法，從而消除了藥物開發中的重大障礙。

劍橋大學的研究人員表明，該算法可以預測復雜化學反應的結果，準確率超過90%，優于訓練有素的化學家。該算法還向化學家展示了如何制備目標化合物，從而將化學“圖譜”提供給所需的目標。在ACS中央科學和化學通訊雜志上的兩項研究中報道了結果。

藥物發現和材料科學中的一個主要挑戰是找到通過化學方法將更簡單的結構單元化學結合在一起來制造復雜的有機分子的方法。問題在于這些構建基塊經常以意外的方式做出反應。

負責這項研究的劍橋大學卡文迪許實驗室的Alpha Lee博士說：“制造分子通常被描述為通過反復試驗而實現的技術，因為我們對化學反應性的了解還遠遠不夠。” “機器學習算法可以更好地理解化學，因為它們可以從數百萬已發表的化學反應中提煉出反應性模式，而這是化學家無法做到的。”

Lee及其小組開發的算法使用模式識別工具，通過對專利中發表的數百萬種反應進行訓練的模型來識別分子中的化學基團如何反應。

研究人員將化學反應預測視為機器翻譯問題。反應的分子被認為是一種語言，而產物被認為是另一種語言。然后，模型使用文本中的模式來學習如何在兩種語言之間進行翻譯。

使用這種方法，該模型在預測看不見的化學反應的正確產物時可達到90%的準確性，而受過訓練的人類化學家的準確性約為80%。研究人員說，該模型足夠準確，可以檢測數據中的錯誤并正確預測過多的困難反應。