Popular science work
英國劍橋大學和美國輝瑞公司合作開發了一個平臺，將自動化實驗與人工智能（AI）相結合，以預測化學物質如何相互反應，從而加速新藥的設計過程。研究結果發表在最新一期《自然·化學》雜志上。
預測分子如何反應，對于新藥的發現和制造至關重要。但從歷史上看，這是一個反復試驗、經常失敗的過程。為了進行預測，化學家需要在模型中模擬電子和原子，這一過程計算成本高昂且通常不準確。
現在，研究人員開發了一種受基因組學啟發的數據驅動方法。該方法將自動化實驗與機器學習相結合，以了解化學反應性，從而大大加快了新藥設計過程。他們稱，該方法在超過39000個藥學相關反應的數據集上得到了驗證。
該方法從數據中挑選出反應物、試劑并測試反應性能之間的相關性。數據則是通過非常快速或高通量的自動化實驗生成的。研究人員表示，高通量化學已經改變了游戲規則。他們相信有一種新方法，可促進對化學反應的更深入的理解，而不是從高通量實驗的初始結果中觀察到。此次開發的這種機器學習方法，就能允許化學家調整復雜的分子，再精確引入到分子的預先指定區域，從而加快藥物設計速度。
機器學習以往在化學中的應用經常受到限制。與廣闊的化學空間相比，其數據量實在太小。但此次研究通過“傳授”給模型一般化學知識，然后對其進行微調，預測復雜的化學轉化，從而克服了低數據的局限性。
論文第一作者、劍橋大學卡文迪許實驗室的艾瑪·金-史密斯表示，這一成果可能會改變人們對有機化學的看法。對化學的更深入理解，亦可促使人們更快速制造藥品和許多其他有用的化學品。
