作者琼·科卡，阿尔贡国家实验室 科学家们正在使用阿贡领导计算设施的高性能计算系统Theta来帮助他们分析新冠肺炎蛋白
学分:阿尔贡国家实验室 人工智能和模拟工具的新管道可能使新冠肺炎的候选药物筛选过程快5万倍
为了找到一种能够阻止SARS-CoV-2病毒的药物，科学家们希望筛选出数十亿个分子，以获得正确的特性组合
这一过程通常风险很大且缓慢，通常需要几年时间
然而，一个国际科学家小组表示，他们已经找到了一种使用人工智能将这一过程速度提高5万倍的方法
十个组织，包括美国
S
美国能源部阿贡国家实验室开发了一系列人工智能和模拟技术，以加速发现由非典病毒引起的新冠肺炎病的候选药物
该管道被命名为“无可挑剔”，是“通过评估更好的销售线索进行COVID治疗的集成建模管道”的简称
阿尔贡的战略项目经理托马斯·布雷特恩说:“通过我们实施的人工智能，我们已经能够在一天之内筛选出40亿种潜在的候选药物，而现有的计算工具可能只能现实地筛选出1到1000万种。”
为什么需要综合方法 无瑕号集成了数据处理、基于物理的建模和仿真以及机器学习的多种技术，机器学习是一种人工智能形式，它使用数据中的模式来生成预测模型
“我们整合了多种方法，因为没有一种单一的算法或方法可以独自高效准确地工作，”阿尔贡计算生物学家阿尔温德·拉马纳森说
“如果我们仅仅依靠模拟，即使使用最快的超级计算机，我们也需要数年才能找到可能的目标
" 管道组件 在流水线的开始，计算技术被用来计算数十亿个分子的基本性质
这些数据将用于下一阶段的研究，以创建机器学习模型，从而预测给定分子与已知病毒蛋白结合的可能性
然后在高性能计算系统上模拟那些被发现最有希望的
“蛋白质是流体结构，模拟向我们展示了它们的新构象
我们用这些来改进我们的机器学习模型，”阿尔贡计算科学家奥斯汀·克莱德说
“反复的过程一直持续到我们能够证实我们已经确定的可能与SARS-CoV-2蛋白结合的分子有希望
" 阿贡校园内的美国能源部科学办公室用户设施“高级光子源”正在使用x光从数千个蛋白质晶体中收集非常大的实验数据集
他们用来获取这些数据的技术被称为x光结晶学
有了它，研究人员可以捕捉病毒蛋白质及其化学状态的详细图像，以提高机器学习模型的准确性
“自大流行开始以来，我们已经能够确定超过45种高分辨率的SARS-CoV-2蛋白质及其与其他化合物的复合物的晶体结构
这些信息与计算分析相结合，可以为进一步的基于结构的药物设计工作提供重要的见解，并能够设计出更高亲和力的抑制剂，最终可以用于治疗新冠肺炎病的治疗方法。”
管道的最终目标是(1)了解病毒蛋白的功能；(2)鉴定具有与这些蛋白质结合的高潜力的分子，并因此阻断SARS-CoV-2的增殖；以及(3)将这种见解传递给药物设计者和开发者，以便进一步研究和开发
阿尔贡数据科学与学习部门主任伊恩·福斯特说:“与传统方法不同，传统方法是依靠科学家认真思考，根据他们的知识，提出分子的想法，通过我们的管道，你可以自动筛选大量分子，大大增加了你找到合适候选人的机会。”
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
