英国剑桥大学研讨人员规划出一种新的机器学习算法来寻觅药物，其功率已被证明是现在职业标准的两倍，有助新药开发提速。研讨成果宣布在近期出书的美国《国家科学院院刊》上。

　　药物发现的要害点是猜测分子是否会激活一个特定的生理进程。能够经过查找激活生理进程的分子之间同享的化学形式来树立核算模型，可是现在构建这些模型的数据非常有限，由于试验本钱高且不清楚哪些化学形式具有核算学含义。“机器学习在数据量丰厚的核算机视觉等范畴现已取得了重大进展。”项目首要负责人、剑桥大学卡文迪许试验室的阿法·李博士说，将其运用到药物发现范畴，便是为了处理数据量相对有限的问题。

　　被称为随机矩阵理论的数学原理，给出了关于随机和噪声数据集核算特性的假定，用这一原理能够将活性和非活性分子化学特征的核算数据进行比较，以确认哪些化学形式关于结合而言是真实重要的，哪些仅仅偶尔的。

　　依据这一想象，研讨团队与辉瑞制药公司协作开发出一种算法，即运用数学运算，将与药理学相关的化学形式从不相关的化学形式平分离开来。重要的是，该算法不只研讨已知具有活性的分子，而且也不放过那些无活性的分子，而且学会辨认分子的哪些部分关于药物作用是重要的，而哪些部分是不重要的，使得那些失利的试验（数据）也能够得到有用的运用。

　　研讨人员用222个活性分子开端建模，已能够从核算视点对其他600万个分子进行挑选。由此，研讨人员从中挑选出100种最相关的分子，再从这些分子中找到了4种能够激活可能与阿尔茨海默病和精神分裂症有关的CHRM1受体的新分子。

　　“从600万个分子中挑选出4种活性分子，就像在难如登天相同，”李博士说，“详细比较显现，新算法功率是职业标准的两倍。”现在研讨人员正在完善该算法，猜测组成杂乱有机分子的办法，以及将机器学习办法扩展到新材料规划范畴。（记者 田学科）