筛选2亿种化合物，机器学习发现数百种潜在新冠药物

筛选2亿种化合物，机器学习发现数百种潜在新冠药物西部材料最新消息 据美国每日科学网站12日报道，美国科学家借助一种强大的机器学习方法，通过筛选约2亿种化学物质，发现了数百种新冠肺炎候选药物。 该研究负责人、加州大学河滨分校教授安南达桑卡·雷解释

据美国每日科学网站12日报道，美国科学家借助一种强大的机器学习方法，通过筛选约2亿种化学物质，发现了数百种新冠肺炎候选药物。

该研究负责人、加州大学河滨分校教授安南达桑卡·雷解释说，这一药物发现平台是一种与人工智能有关的计算机算法，可通过反复试错学习预测药物的活性，其预测能力还能不断改进，“对于系统性发现治疗新冠肺炎新药而言，此类平台是重要的第一步”。

在研究中，团队成员乔尔·科瓦列夫斯基用到了与新冠病毒蛋白相互作用的65种人类蛋白的配体，并为每种人类蛋白生成了机器学习模型，这些模型经过训练，可从其3D结构中识别出新配体。

研究团队使用这些机器学习模型，从包含2亿种化学物质的数据库中筛选出了1000多万种小分子，并确定了能最有效靶向与新冠病毒蛋白相互作用的65种人类蛋白的化合物。他们从这些化合物中鉴定出了已经获得美国食品药品管理局（FDA）批准的化合物，例如一些药品和食品中使用的化合物。他们还使用机器学习模型计算了各种化合物的毒性，这有助于摒弃潜在的有毒候选物。

研究人员表示，这种方法不仅使他们鉴定出对单个人类蛋白靶标具有最显著活性的候选药物，还发现了一些有望抑制两个或多个人类蛋白靶标的化学物。

雷说：“最令我兴奋的是那些可能会挥发的化合物，这为吸入疗法带来了惊喜。”

研究人员认为，传统依赖细胞培养测定的方法很昂贵，而且可能需要数年时间对药物进行测试，与之相比，他们的机器学习平台在初步筛查大量化学物质方面具有优势。而且，该平台不仅能用于研发抗新冠肺炎药物，还能加速其他多种疾病药物的研发进程。

本文转载自科技日报，记者刘霞。