中新網北京11月1日電 (記者 孫自法)施普林格·自然旗下學術期刊《自然-通訊》最新發表一篇化學論文稱，研究人員研發出一種機器學習(xi) 模型，該模型能部分重現職業(ye) 化學家在工作中積累的集體(ti) 知識，這類知識通常被稱為(wei) “化學直覺”。該研究認為(wei) ，這或使今後的藥物研發更高效。

　　據論文介紹，傳(chuan) 統上，藥物與(yu) 化學發現需要依靠試錯實驗和研究人員在工作中積累的知識，而使用模擬工具，尤其是機器學習(xi) ，能讓研究人員更快地發現候選分子，極大降低發現新藥用化合物的成本。如果要用機器學習(xi) 預測分子性質，分子就必須還原到數學表達，這通常包含一組性質或“特征”，確定正確特征是這些數據驅動性能預測模型成功的關(guan) 鍵。

　　論文共同通訊作者、瑞士諾華生物醫學研究所Nikolaus Stiefl、英國劍橋微軟研究院科學智能中心José Jiménez-Luna和他們(men) 的同事合作，讓35名醫學化學家各自從(cong) 5000對分子中選擇自己更偏向的分子，再用他們(men) 的回答做成排序遊戲來訓練一個(ge) 機器學習(xi) 模型，隨後讓這個(ge) 模型給分子打分。研究發現，這個(ge) 分數基本不受該領域之前作為(wei) 特征的其他性質的影響，因為(wei) 這來自行業(ye) 內(nei) 多年的知識積累。

　　論文作者指出，合作團隊提議的模型還能用來改變數學模型的推薦，從(cong) 而更好地匹配化學家的集體(ti) 專(zhuan) 業(ye) 知識，有望在今後早期藥物研發中縮短迭代時間。

　　他們(men) 總結認為(wei) ，最新研究的這種方法或能在藥物研發中作為(wei) 對分子建模的補充，從(cong) 而推動藥物研發更高效。(完)