人工智能药物发现

人工智能算法可用于专门设计与天然物质具有相同效果、但结构更简单的活性成分。在快速设计、制造、测试、分析循环中，将自动化、基于规则的分子构建与机器学习和实验验证很好地结合在一起。

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。

瑞典查尔姆斯理工大学的研究人员介绍了一种利用人工智能生成合成蛋白质的方法。这种新方法对于开发高效的工业酶以及抗体和疫苗等新型蛋白质药物有着巨大的潜力。由于瑞典查尔姆斯理工大学的研究人员最近发表的工作，人工智能现在已经能够生成新颖的、具有功能活性蛋白质。

美国麻省理工学院（MIT）的科学家开发出DeepBAR技术，可快速计算候选药物与其靶蛋白间的结合亲和力，并在短时间内得到精确的计算结果。药物只有粘附在体内的靶蛋白上才能发挥药效，因此评估粘性是药物发现和筛选过程中的一个关键障碍，机器学习技术的引入或能降低该障碍。

上海交大在基于人工智能药物发现的方法研究中取得重要进展，研究人员提出的基于网络的标签空间划分的多标签多分类学习方法为药物-靶标相互作用（drug-target interaction , DTI）预测问题提供了一种新的思路。该方法为下游新药设计、老药新用提供了理论和实践依据，具有一定的理论意义和重要应用价值。