新的深度知識AI系統可以解決藥物研究中的瓶頸問題

2019-06-06 17:06:58 編輯：來源：

導讀滑鐵盧大學的研究人員開發出一種新系統，可以顯著加快新藥的發現，減少昂貴且耗時的實驗室測試需求。稱為模式知識(P2K)的新技術可以在幾秒

滑鐵盧大學的研究人員開發出一種新系統，可以顯著加快新藥的發現，減少昂貴且耗時的實驗室測試需求。

稱為模式知識(P2K)的新技術可以在幾秒鐘內預測生物序列的結合，并可能減少藥物研究中的瓶頸。

P2K使用人工智能(AI)來利用數據中的深層知識，而不是僅僅依靠經典的機器學習。

“P2K是一種游戲規則改變者，因為它能夠揭示糾纏在復雜物理化學環境中的細微蛋白質結合，并且僅基于序列數據有力地預測相互作用，”系統設計工程教授，模式分析和機器中心創始總監Andrew Wong說。情報(CPAMI)。“從經過驗證的科學成果中獲取這些深層知識的能力將推動生物學研究向前發展.P2K有能力改變未來數據的使用方式。”

雖然已經收集了大量的生物序列數據，但提取有意義和有用的知識并不容易。P2K算法通過解開多個關聯來識別和預測控制蛋白質相互作用的氨基酸結合來應對這一挑戰。由于P2K比現有的生物序列分析軟件快得多，預測準確度提高了近30%，因此可以大大加快新藥的發現速度。通過從云中的數據庫中提取信息，P2K可以預測腫瘤蛋白和潛在的癌癥治療將如何相互作用。

雖然仍處于早期原型階段，黃教授和他的團隊已經公開向研究人員提供在線P2K系統，以開始識別新的生物序列相互作用。

“將這種AI技術交由生物醫學研究人員將立即產生結果，可用于未來的科學發現，”系統設計工程的研究助理，P2K的共同發明人Antonio Sze-To說。

由于它分析順序數據，P2K的適用性不僅限于生物醫學研究。P2K可以通過預測潛在網絡攻擊的可能性，為智能交易或網絡安全領域做出有用的聯想和預測，從而使金融業受益。

標簽： AI系統