Facebook FAIR与德国机构合作，通过AI加速药物发现并获得突破

supercell 4月 20, 2021 1.31w 浏览 0

Facebook AI研究实验室（Facebook’s AI Research lab；FAIR）和德国环境健康研究中心Helmholtz Zentrum München，于2021年4月16日宣布将推出一种新的机器学习工具，旨在帮助加速发现有效的抗疾病和癌症的新药物组合，通过AI加速药物发现。

这个概念被称为“组合学习（Compositional Learning）”，就是教机器如何像人类一样的学习。换句话说，通过这种学习即可掌握一项学习技能，之后可用它来创建全新的事物。由于医疗研究的复杂程度很高，如果给机器更多资源，即可突破人类药物研究的限制，进而带来贡献。

其实，Helmholtz Zentrum München实验室正在研究如何使医学更加个人化。与Facebook人工智能研究院(FAIR)合作之后，共同提出了一个AI模型，该模型可以在不同程度的功效下，如何采用药物和基因疗法等治疗组合来影响单细胞。期望通过这种实验的开放源代码模型帮助研究人员，学习如何根据疾病在细胞水平上的表现为病患量身定制治疗方案。

原本药物研究必须历经几个月或几年，才能够缩小数十亿个潜在性选择药物的范围，通过这AI模型之后，可以在几个小时内即可达到筛检的目的。然后，他们可以提供100种药物和剂量的组合，并具有最高潜在性的最佳结果，并将其与体外细胞系进行对比，以了解它们在现实世界中的运作方式。

Helmholtz Zentrum München认为，在横跨细胞类型、药物组合以及病患变异之间的搜索空间非常之大，是永远无法在整个实验中被发掘出来，因此才非常需要机器学习的辅助。

对于脸书来说，这合作提供了另一个机会来完善脸书AI系统。简单来说，该项目可以丰富的数据集和对组合分析的需求，这将挑战FAIR的机器以组合方式进行学习。

自2015年以来，科学家通过一项名为细胞图谱（The Cell Atlas）的工作，一直在收集单个细胞的数据。现在这支跨学科的研究人员团队，将AI模型设计在此数据集和其他类似数据集之上，目的是帮助这些大型数据集能够发挥作用。

此外，该工具也可以用于对抗COVID-19、癌症与其他复杂疾病（例如：微调处理的化疗或免疫的鸡尾酒疗法），以及需要特殊药物治疗的其他疾病。

在不久的将来，机器学习工具还可以为针对个性化细胞反应的个人化医学，开辟道路，这是医药现今最尖端的挑战与难题。

你可能感兴趣的文章：

版权声明：除特殊说明外，本站所有文章均为字节点击原创内容，采用 BY-NC-SA 知识共享协议。原文链接：https://byteclicks.com/19876.html 转载时请以链接形式标明本文地址。转载本站内容不得用于任何商业目的。本站转载内容版权归原作者所有，文章内容仅代表作者独立观点，不代表字节点击立场。报道中出现的商标、图像版权及专利和其他版权所有的信息属于其合法持有人，只供传递信息之用，非商务用途。如有侵权，请联系 gavin@byteclicks.com。我们将协调给予处理。

Facebook FAIR与德国机构合作，通过AI加速药物发现并获得突破

文章推荐：

标签