新的深度知识人工智能系统可以解决药物研究中的瓶颈问题

滑铁卢大学的研究人员开发了一种新系统，可以显著加快新药的发现，并减少昂贵而耗时的实验室测试。一种名为模式知识(pattern knowledge，P2K)的新技术可以在几秒钟内预测生物序列的组合，可能会减少药物研究的瓶颈。P2K使用人工智能(AI)来利用数据的深层知识，而不是仅仅依赖经典的机器学习。

“P2K是改变游戏规则的因素，因为它可以揭示复杂物理和化学环境中纠缠的微妙蛋白质组合，仅根据序列数据就可以强有力地预测相互作用，”系统设计工程教授兼模式分析和机器中心创始主任Andrew Wong说。智力(CPAMI)。“从经过验证的科学成就中获取这些深刻知识的能力将推动生物学研究的发展。P2K有能力改变未来数据的用途。”虽然收集了大量的生物序列数据，但要从中提取出有意义、有用的知识并不容易。P2K算法通过解开多重关联来识别和预测控制蛋白质相互作用的氨基酸结合，从而解决了这一挑战。P2K比现有的生物序列分析软件快得多，预测准确率提高了近30%，因此可以大大加快新药的发现。通过从云中的数据库提取信息，P2K可以预测肿瘤蛋白质和潜在的癌症治疗方法将如何相互作用。

虽然它仍处于早期原型阶段，但黄教授和他的团队已公开向研究人员提供在线P2K系统，以开始识别新的生物序列相互作用。“将这种人工智能技术放在生物医学研究人员手中将产生立竿见影的效果，可用于未来的科学发现，”系统设计工程的研究助理兼P2K的联合发明人Antonio Sze-To说。因为它分析序列数据，P2K的适用性不仅限于生物医学研究。P2K可以通过预测潜在网络攻击的可能性，对智能交易或网络安全进行有益的联想和预测，从而使金融业受益。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！