人工智能可以降低成本，加速药物研发

这项新技术是由谢菲尔德大学计算机科学系的陆海平教授和他的博士生白培珍，以及阿斯利康公司的菲利普·米耶科维奇博士和比诺·约翰博士共同开发的自然机器智能．

这项研究表明，DrugBAN可以预测候选药物是否会在人体内与其预期的靶蛋白分子相互作用。

可以预测药物是否会达到预期目标的人工智能已经存在，但研究人员开发的技术可以更准确地做到这一点，并提供见解，帮助科学家了解药物如何在分子水平上与蛋白质伙伴发生作用。

人工智能有可能告知药物是否会成功地与预期的癌症相关蛋白结合，或者候选药物是否会与体内的非预期靶标结合，并导致患者不良的副作用。

更多来自医疗保健

人工智能被训练学习人体蛋白质的亚结构以及药物化合物的亚结构。然后，该技术了解这些子结构如何相互作用，并据此预测新药可能的表现。

谢菲尔德大学机器学习教授陆海平在一份声明中表示:“我们设计人工智能有两个主要目标。首先，我们希望人工智能能够在更细的尺度上捕捉药物与靶标的相互作用，因为这可以提供有用的生物学见解，帮助研究人员在分子水平上理解这些相互作用。其次，我们希望该工具能够预测这些与新药或靶标的相互作用，以帮助加快整体预测过程。我们发表的研究表明，我们的人工智能模型可以做到这两点。”

根据该团队的说法，人工智能设计的关键是模型如何学习成对的子结构相互作用，即药物化合物的子结构和体内蛋白质之间可能发生的多种相互作用。大多数现有的药物预测AI都是从药物和蛋白质的整体表示中学习的，这些表示不能捕获它们的亚结构，提供的见解也不太有用。

在AI开发的下一阶段，该团队计划使用更深入的化合物和蛋白质结构数据，使AI更加准确。

阿斯利康数据科学、临床药理学和安全科学(CPSS)主任Bino John博士说:“DrugBAN的一个关键新颖之处在于它依赖于双线性注意力网络，使其能够同时从药物和靶标的子结构中学习相互作用。我们还将源代码免费提供给公众，希望这将支持更多的人工智能方法，继续加速药物发现。”