UBC的研究人员已经训练计算机在下一种设计药物上市之前就对其进行预测。UBC大学的研究人员已经训练计算机在下一种设计药物上市之前就对其进行预测，这种技术可以拯救生命。执法机构正在竞相识别和监管危险的精神活性药物的新版本，如浴盐和合成阿片类药物，尽管秘密化学家致力于合成和分发具有与经典滥用药物相同的精神活性效果的新分子。
在缴获的药丸或粉末中识别这些所谓的“合法高点”可能需要几个月的时间，在此期间，数千人可能已经使用了一种新的特制药物。
但是新的研究已经帮助世界各地的执法机构将鉴定时间从几个月缩短到几天，这对鉴定和监管新版本的危险精神药物至关重要。
“绝大多数这类设计药物从未在人体内测试过，完全不受监管。它们是世界各地急救部门关注的主要公共卫生问题，”UBC医学院学生迈克尔·斯金尼德博士说，他是UBC迈克尔·史密斯实验室的博士生，完成了这项研究。
新设计药物的少数报告
Skinnider博士和他的同事利用世界各地法医实验室提供的已知精神活性物质数据库，训练了一种关于这些药物结构的艺术智能算法。他们使用的算法被称为深度神经网络，其灵感来自人脑的结构和功能。
基于这种训练，该模型随后生成了大约890万种潜在的设计药物。
这些分子随后被用于测试196种新设计的药物，这些药物在模型被训练后出现在非法市场上。研究人员发现，生成的集合中有90%以上的矿石。
换句话说，该模型能够预测自训练以来发现的几乎所有新药。
阿尔伯塔大学计算机科学教授、资深作者大卫·维沙特博士(他/他)解释说:“我们可以在设计药物真正出现之前预测它们可能会出现在市场上，这一事实有点像2002年的科幻电影《少数派报告》，在这部电影中，对即将发生的犯罪活动的预知有助于在未来世界中大大减少犯罪。
“本质上，我们的软件让执法机构和公共卫生项目比秘密化学家领先一步，并让他们知道要注意什么。”
以天为单位而不是以月为单位的标识
这仍然留下了如何轻松识别完全未知物质的问题。
研究人员发现，该模型还了解了哪些分子更有可能出现在市场上，哪些分子不太可能。“我们想知道我们是否可以利用这个概率来确定未知药物是什么——仅仅基于它的质量——这对于化学家来说很容易使用质谱来测量任何药丸或粉末，”伦纳德·福斯特博士(他/他)说，他是UBC生物化学系的教授，也是国际公认的质谱专家。
研究人员使用196种新设计药物中的每一种来检验这一假设。仅使用质量，研究人员发现他们的模型在72%的情况下将一种未识别的设计药物的正确化学结构排在前10名候选药物中。整合串联质谱数据，另一个容易获得的测量，提高了86%。当只进行一次猜测时，该模型可以预测51%的正确结构。
“令我们震惊的是，该模型表现如此出色，因为仅仅通过精确的质量测量来阐明整个化学结构通常被认为是一个无法解决的问题。Skinnider博士指出:“将数十亿个结构的列表缩小到10个候选结构，可能会大大加快化学家识别新设计药物的速度。”
Skinnider博士补充说，同样的模型可以用来发现各种各样的新分子，从识别用于运动兴奋剂的新的提高成绩的药物，到识别人类血液和尿液中以前未知的分子。
“现在，在我们的指尖之外，有一个完整的化学‘暗物质’世界。我认为合适的人工智能工具有巨大的机会照亮这个未知的化学世界，”Skinnider博士说。
由新型精神活性物质数据中心安全分发的UBC模型正被美国缉毒署、联合国毒品和犯罪问题办公室、欧洲毒品和毒瘾监测中心和德国联邦刑警局使用。
《自然机器智能》上发表了“深度生成模型能够实现新型精神活性物质的自动结构阐释”的研究。
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
