人工智能可用人类“化学直觉”

研究总体框架。

《自然·通讯》31日发表的一篇论文报道了一种机器学习模型，该模型能部分重现职业化学家在工作中积累的集体知识，这类知识通常被称为“化学直觉”。研究团队认为，该研究或使今后的药物研发更高效。

传统上，药物与化学发现需要依靠试错实验和研究人员在工作中积累的知识。使用模拟工具，尤其是机器学习，能让研究人员更快地发现候选分子，极大降低发现新药用化合物的成本。如果要用机器学习预测分子性质，分子就必须还原到数学表达，这通常包含一组性质或“特征”。确定正确特征是这些数据驱动性能预测模型成功的关键。

位于英国的微软研究院科学智能中心和瑞士诺华生物医学研究所的联合团队，此次让35名医学化学家各自从5000对分子中选择自己更偏向的分子，再用他们的回答做成排序游戏来训练一个机器学习模型，随后让这个模型给分子打分。这个分数来自行业内多年的知识积累，基本不受其他因素的影响。

该团队提出的模型还能用来改变数学模型的推荐，从而更好地匹配化学家的集体专业知识，有望在今后早期药物研发中缩短迭代时间。

研究人员认为，这种方法或能在药物研发中作为对分子建模的补充。