日本制药公司开始测试使用神经网络合成的药物

住友公司Dainippon Pharma和Exscientia公司的药剂师和编程人员将柴火扔进了这场纠纷的篝火中，“机器应在何处独立并应手动开始控制”：1月30日，Exscientia官方网站上发布了一份新闻稿，指出在他们的开发帮助下AI制药公司住友大日本制药公司（Sumitomo Dainippon Pharma）确定了配方并合成了针对OCD的药物活性物质。



当然，Exscientia营销人员将其开发称为“人工智能”，但是新药物的开发是使用学习型神经网络进行的。实际上，神经网络通过枚举和分析已知活性物质的组合来确定新药的配方。开发和合成现已完成，药物制造公司SDP正在进入动物临床试验的第一阶段。

使神经网络参与确定药物有效成分配方的优势之一是机器的速度：该网络像科学家一样，可以对可能的物质组合进行分类并预测其主要作用，但与一组生物化学家不同，神经网络需要创建粗糙的配方大大减少了时间。因此，在Exscientia的技术支持下，SDP专家的管理时间为12个月，而不是这种研究通常持续的通常约4.5年。

研制出的物质称为DSP-1181，其作用范围是通过增强5-羟色胺5-HT1A受体的反应来对抗强迫症，即活性物质是受体激动剂。研究人员声称DSP-1181是最有前途的现有OCD治疗方法之一。

Sumitomo Dainippon Pharma公司首席执行官Toru Kimura的代表谈到了最新进展：“我们对一项联合研究的结果感到非常兴奋，这项研究使我们能够在如此短的时间内开发出候选化合物。我们在寻找基于GPCR单胺的新药方面的经验以及AI的功能使我们能够有效地工作并确保获得成功。 “我们将继续努力，以确保我们的药物通过临床试验并尽快送达患者。”

不幸的是，Exscientia的代表没有在新闻稿中提供开发的任何技术细节，但是，以下图片可以从单个短语的片段中得出：

• 使用神经网络；
• 日本SDP公司提供了一系列标记数据，用于培训和网络运营，因为它们“在寻找基于GPCR 单胺（单胺神经递质）的药物方面有经验”；
• 神经网络参与了机械分析活性成分的候选化合物，然后由制药公司的科学家检查了产生的数据阵列。
• 技术本身没有任何突破。

值得注意的是，在上述情况下，搜索活性物质的过程很平庸（从数学和天体物理学到石油生产和地质勘探，在许多领域，现在都使用机器学习过滤大型数据数组已被使用），事实上，药物的活性物质的配方它最初是由机器培育出来的，而这种疾病来自强迫症等令人不快的神经系统疾病-令人印象深刻。 Sumitomo Dainippon Pharma和Exscientia所做的最重要的事情是扩大现代计算机和制药业的应用领域。但是，开发药物并不是一个快速且极其昂贵的过程。在该主题上，您可以观看 Alexander Zhavoronkov 的采访（或在同一位置阅读谈话记录）。还可以它也被翻译成Habr。

因此，据扎沃伦科夫（Zhavoronkov）所述，神经网络已经在药物中得到积极使用，但是通常它们被用于分析现有的科学著作和各种研究的有效性：该药物是在最初的公开发行的基础上销售还是停止了研发并且没有通过临床研究？神经网络还处理了患者的临床数据；众所周知，机器学习直接参与寻找活性物质并随后进行合成。基本上，“人工智能”的作用被简化为处理一系列间接数据和准备工作-研究人员应朝着哪个方向发展。

通过成功的临床试验，住友大日本制药公司和Exscientia可能是最早使用神经网络的公司之一，因此可以迅速为众多消费者提供活性药物。

Source: https://habr.com/ru/post/undefined/