莱斯大学 莱斯大学开发的一种计算工具可能有助于制药公司扩大其研究药物安全性的能力
学分:卡夫拉基实验室/莱斯大学 当你服用一种药物时，你想知道它的确切作用
制药公司通过广泛的测试来确保你做到了
莱斯大学布朗工程学院创造了一种新的基于深度学习的技术，他们可能很快就能更好地掌握开发中的药物在人体内的表现
计算机科学家莉迪亚·卡夫拉基的水稻实验室引进了代谢物翻译器，这是一种预测代谢物的计算工具，代谢物是药物和酶等小分子相互作用的产物
莱斯的研究人员利用深度学习方法和大量反应数据集的可用性，让开发人员对药物的作用有一个大致的了解
这种方法不受公司用来确定代谢反应的规则的约束，为新的发现开辟了道路
“当你试图确定一种化合物是否是潜在的药物时，你必须检查其毒性，”卡夫拉基说
“你想确认它做了它应该做的事，但你也想知道还会发生什么
" 这项研究是由卡瓦拉基、主要作者和研究生埃莱尼·李察以及莱斯的校友、国际商用机器公司的托马斯·J
沃森研究中心，在皇家化学学会期刊《化学科学》中有详细介绍
研究人员训练代谢物翻译器通过任何酶来预测代谢物，但用现有的基于规则的方法来衡量它的成功，这些方法侧重于肝脏中的酶。
这些酶负责解毒和清除外来物质，如药物、杀虫剂和污染物
然而，代谢物也可以通过其他酶形成
“我们的身体是化学反应的网络，”李察说
“它们有作用于化学物质的酶，可能会断裂或形成化学键，将它们的结构变成有毒物质，或者导致其他并发症
现有的方法侧重于肝脏，因为大多数异生素化合物在那里代谢
通过我们的工作，我们试图捕捉人类的新陈代谢
“药物的安全性不仅取决于药物本身，还取决于药物在体内加工时形成的代谢物，”李察说
她说，对化学分子等结构化数据进行操作的机器学习架构的兴起，使这项工作成为可能
Transformer是2017年推出的一种序列翻译方法，在语言翻译中得到广泛应用
代谢物翻译器基于SMILES(用于“简化的分子输入行输入系统”)，这是一种使用纯文本而不是图表来表示化学分子的符号方法
“我们所做的和翻译一种语言完全一样，比如把英语翻译成德语，”李察说
由于缺乏实验数据，实验室使用迁移学习来开发代谢物翻译器
他们首先用90万个已知的化学反应预先训练了一个变压器模型，然后用人类代谢转化的数据对其进行微调
研究人员通过分析已知的65种药物和179种代谢酶的SMILES序列，将代谢物翻译结果与其他几种预测技术进行了比较。
尽管代谢物翻译器是在非药物专用的通用数据集上进行训练的，但它的表现与专门为药物开发的常用基于规则的方法一样好
但是它也发现了一些不常用于药物代谢的酶，这些酶是现有方法没有发现的
“我们有一个系统，它可以和基于规则的系统一样好地预测，我们没有在我们的系统中放置任何需要手工工作和专家知识的规则，”卡夫拉基说
“使用基于机器学习的方法，我们正在训练一个系统来理解人类的新陈代谢，而不需要以规则的形式明确编码这些知识
这项工作在两年前是不可能的
" 卡夫拉基是计算机科学的诺亚·哈丁教授，是生物工程、机械工程、电气和计算机工程的教授，也是赖斯的肯·肯尼迪研究所的主任
莱斯大学和德克萨斯州癌症预防和研究所支持这项研究
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
