ケンブリッジ大学の研究者によって、新薬の設計プロセスを加速する可能性がある新しい機械学習モデルが開発されました。
新しいオンライン カジノ 入金 不要 ボーナス 最新は、自動化された実験を組み合わせてai化学物質が互いにどのように反応するかを予測する。ゲノミクスに触発されたデータ駆動型のアプローチは、化学反応と呼ばれます。
39,000を超える薬学的に関連する反応のデータセットで検証された結果は、ジャーナルで報告されています自然化学.
ケンブリッジ大学チームはファイザーの支援を受けました。
分子反応性を予測する方法
分子の反応性を予測することは、新しい医薬品の発見と製造に不可欠です。
しかし、これは歴史的に試行錯誤のプロセスであり、反応はしばしば失敗しました。
分子がどのように反応するかを予測するために、単純化されたモデルで分子、電子、原子がシミュレートされます。このプロセスはしばしば不正確であり、計算的に高価です。
新しいReactomeアプローチ
「Reactomeは、有機化学についての考え方を変える可能性があります」と、ケンブリッジのキャベンディッシュ研究所のエマ・キング・スミス博士は言いました。
「化学をより深く理解することで、医薬品や他の多くの有用な製品をより速くすることができます。しかし、より根本的に、私たちが生成したいと考えている理解は、分子を扱う人にとって有益です。」
Reactomeアプローチは、反応物、試薬、およびデータからの反応のパフォーマンスとの関連する相関関係を選択します。データのギャップも指摘されています。
使用されるデータは、高速またはスループットの自動化された実験から生成されます。
「高スループット化学はゲームチェンジャーでしたが、高スループット実験の初期結果から観察できるものよりも、化学反応のより深い理解を明らかにする方法があると信じていました」とキングスミスは言いました。
「私たちのアプローチは、反応成分と結果の間の隠された関係を明らかにしています」と、研究を主導したアルファ・リー博士は言いました。
「モデルをトレーニングしたデータセットは大規模です。化学的発見のプロセスを試行錯誤からビッグデータの時代にもたらすのに役立ちます。」
より高速な薬物設計を可能にするオンライン カジノ 入金 不要 ボーナス 最新
チームは、化学者が分子の事前に指定された領域に正確な変換を導入できるようにするオンライン カジノ 入金 不要 ボーナス 最新も開発しました。関連論文で公開されている作品自然コミュニケーション、より高速な薬物設計を有効にするように設定されています。
このアプローチにより、化学者はゼロから作ることなく複雑な分子を調整できます。
分子のコアを変える従来の方法は、分子をゼロから再構築することですが、コアのバリエーションは薬の設計にとって重要です。
後期機能化反応は、コアに化学変換を直接導入しようとし、ゼロから開始する必要性を回避しようとします。
ただし、後期の機能化を選択的かつ制御することは困難です。これは、反応する可能性のある分子の領域が多いため、結果を予測するのが難しくなっているためです。
「後期段階の機能化は予測不可能な結果をもたらす可能性があり、私たち自身の専門家の直観を含む現在のモデリング方法は完璧ではありません」とキングスミスは言いました。 「より予測的なモデルは、より良いスクリーニングの機会を与えてくれます。」
オンライン カジノ 入金 不要 ボーナス 最新は、モデルがどこに反応するかを予測します
研究者は、分子がどこに反応するかを予測する機械学習モデルを開発しました。また、このアプローチは、反応条件の関数として反応速度がどのように変化するかを示しています。
「私たちは、これらの複雑な変換を予測するために微調整する前に、モデルの一般化学を効果的に指導するためにモデルの一般化学を効果的に教えるために、モデルの大量の分光データのモデルを前提としていました」とキングスミスは言いました。
オンライン カジノ 入金 不要 ボーナス 最新により、チームは低データの制限を克服することができました。科学文献で報告されている後期官能性反応はほとんどありません。
チームは、さまざまな薬物様分子のセットでモデルを検証し、異なる条件下で反応性の部位を予測することができました。
「化学物質への機械学習の適用は、化学空間の広大さと比較してデータの量が小さいという問題によってしばしばスロットされます。」
「私たちのアプローチ - 私たちが解決しようとしている問題と同じであるが同じではない大規模なデータセットから学習するモデルを設計する - この基本的な低データの課題を解決し、後期段階の機能化を超えて進歩のロックを解除することができます。」
研究はファイザーと王立協会によってサポートされていました。
