英国剑桥大学和美国辉瑞公司合作开发了一个渠道，将自动化试验和AI（AI）相结合，以猜测化学物质怎么彼此反响，然后加速新药的规划进程。研讨效果宣布在最新一期《天然·化学》杂志上。

  猜测分子怎么反响，关于新药的发现和制作至关重要。但从历史上看，这是一个重复试验、常常失利的进程。为了进行猜测，化学家需要在模型中模仿电子和原子，这一进程计算成本昂扬且一般不准确。

  现在，研讨人员开发了一种受基因组学启示的数据驱动办法。该办法将自动化试验与机器学习相结合，以了解化学反响性，然后大大加速了新药规划进程。他们称，该办法在超越39000个药学相关反响的数据集上得到了验证。

  该办法从数据中挑选出反响物、试剂并测验反响功能之间的相关性。数据则是经过十分快速或高通量的自动化试验生成的。研讨人员表明，高通量化学现已改动了游戏规则。他们信任有一种新办法，可促进对化学反响的更深化的了解，而不是从高通量试验的初始效果中观察到。此次开发的这种机器学习办法，就能答应化学家调整杂乱的分子，再准确引进到分子的预先指定区域，然后加速药物规划速度。

  机器学习以往在化学中的使用常常受到限制。与宽广的化学空间比较，其数据量真实太小。但此次研讨经过“教授”给模型一般化学常识，然后对其进行微调，猜测杂乱的化学转化，然后克服了低数据的局限性。

  论文榜首作者、剑桥大学卡文迪许试验室的艾玛·金-史密斯表明，这一效果可能会改动人们对有机化学的观点。对化学的更深化了解，亦可促进人们更快速制作药品和许多其他有用的化学品。（记者 张梦然）