阿斯利康利用基于PyTorch的算法发现新药物

编译作者: 布加迪 2020-10-30 08:00:00

【51CTO.com快译】自2017年推出以来,Facebook的机器学习框架PyTorch已得到很好的利用,应用广泛,从支持Elon Musk的自动驾驶汽车到驱动机器人耕种项目,不一而足。

现在制药公司阿斯利康(AstraZeneca)透露了其内部工程师团队如何利用PyTorch,同样重要的是简化和加快药物发现。

阿斯利康的技术将PyTorch与微软Azure机器学习相结合,可以梳理大量数据,对于药物、疾病、基因、蛋白质或分子之间的复杂关系有一番新的了解。

这番了解可用于馈送给算法,算法进而可以为某种疾病推荐许多药物靶标,供科学家在实验室进行测试。

这种方法便于在药物发现之类的领域取得巨大进展,迄今为止,该领域一直基于昂贵且耗时的反复试验方法。

为了研制出对付某种疾病的新药,科学家通常要在实验室测试不同的蛋白质设计和组合,直至找到可行的解决方案,这就是为什么从药物设计到准备上市需要10到15年的时间。另一方面,阿斯利康的算法可以更快地确定科学家应针对某种疾病寻找的十大药物靶标。

将自动化应用于药物发现尤其有用,因为科学家可以访问以帮助开展研究的数据量每年急剧增长。分析每天越来越庞大的数据库以了解它们如何为药物发现提供信息,实际上成了一项超人才能完成的任务。

阿斯利康的机器学习工程师Gavin Edwards告诉ZDNet:“每年,可供研究人员使用的科学信息和数据的绝对量在增长。通过利用AI和机器学习工具(比如PyTorch和Azure),我们就能迅速提取、整合和解读来自多个来源的信息,旨在比我们手动分析这些数据更迅速地得到更准确的科学结论。”

许多可用数据是非结构化文本,这时候PyTorch有了用武之地。Facebook开发的这个软件包基于Python编程语言,是一种开源机器学习库,尤其适用于在计算机视觉和自然语言处理(NLP)等领域处理密集数据科学任务的开发人员。

阿斯利康的NLP团队使用PyTorch来定义和训练生物医学文本挖掘算法,这种算法可以遍历数据,查找模式和趋势,并最终确定可用信息的结构。

然后数据馈入到知识图中,知识图可以智能地将零星的信息连接起来,以便可以将每个数据点置于上下文中来研究。图用起来就像信息网络,不仅能反映每个数据的属性(基因、蛋白质、疾病和化合物),还能反映不同类别之间的关系。

换句话说,知识图全面地组织所有可用的科学数据。阿斯利康的工程师随后利用微软Azure机器学习的计算功能,使用知识图来训练向科学家推荐新药物靶标的算法。

Edwards说:“我们将公共领域的研究和内部研究结合到对复杂信息轻松编码的图中。通过在此基础上使用机器学习,我们可以训练机器学习模型,这些模型可以推荐新颖的药物靶标,并有助于为管道决策提供信息。”

对于在实验室不懈地尝试新药物设计的科学家而言,用于药物发现的推荐算法无疑听起来可以节省大量时间。但是Edwards及其团队还希望,他们在创建的知识图可帮助研究人员找到新的联系,探索新的路径,并测试未经证实的理论,又不浪费太多时间。

可以缩小数点知识图以便详细查看问题的某个方面,也可以扩展知识图以便提供跨不同研究分支的更广泛视图。因此,研究人员就能轻松获得未利用的信息,这些信息可以为其项目带来更多价值。

Edwards说:“我们的知识图使研究人员可以提出有关基因、疾病、药物和安全信息等方面的关键问题,帮助识别药物靶标并确定优先级。而且,随着我们的数据和知识越来越丰富,我们的图会随之庞大,这意味着每个新试验都将得益于以前学到的知识。”

对于Edwards来说,这项技术的应用范围可能很大。在全球疫情持续不断的情况下,这无疑是个好消息。

原文标题:AstraZeneca is using PyTorch-powered algorithms to discover new drugs,作者:Daphne Leprince-Ringuet

【51CTO译稿,合作站点转载请注明原文译者和出处为51CTO.com】

PyTorch 机器学习 人工智能
上一篇:机器人技术如何改变医疗行业 下一篇:全球公司今年将在AI上花费500亿美元,但没什么东西拿得出手
评论
取消
暂无评论,快去成为第一个评论的人吧

更多资讯推荐

用新的机器学习思考方式 来辨别自然异常与人为误导

某些对抗性事件很可能是人为设计而来。我们必须知晓其中的手法与工件是什么,这样才能真正理解深度神经网络的可靠性。

佚名 ·  23h前
1.8M超轻量目标检测模型NanoDet,比YOLO跑得快

目标检测一直是计算机视觉领域的一大难题,其目标是找出图像中的所有感兴趣区域,并确定这些区域的位置和类别。目标检测中的深度学习方法已经发展了很多年,并出现了不同类型的检测方法。

佚名 ·  1天前
5G助力下,未来10年将是人工智能的“黄金十年”

近日,习近平总书记在G20峰会第一阶段会议上指出,疫情激发了5G、人工智能、智慧城市等新技术、新业态、新平台蓬勃兴起,“非接触经济”全面提速,为经济发展提供了新路径。

科技日报 ·  1天前
新时代如何把握住人工智能的优势,让自己不被时代淘汰

随着人工智能在企业的应用和发展,企业领导者必须着眼于基于云计算的人工智能和现代化的数据结构,以提高市场竞争力。

尚学堂java学院 ·  1天前
对话李兰娟:人工智能将疫情“一网打尽”,让医疗更精准

李兰娟指出,人工智能、大数据在这次抗疫中发挥了作用,首先是发现和控制传染源方面,通过大数据人工智能我们能够了解到与传染源接触到的所有人;第二是人员流动的控制,包括健康码、红外线测温等等,极大程度地了解了人的健康情况。

新京报 ·  1天前
面向未来系统设计的机器学习

Elias Fallon是行业领先的电子设计自动化技术提供商Cadence Design Systems公司的工程主管。他带领其定制IC研发团队以及电子设计自动化(EDA)产品团队进行项目开发。

Elias Fallon ·  1天前
人工智能如何在大数据处理中应用

人工智能,是处理大数据最理想和最有效的方法。我们的世界一直沉浸在大数据中,你能想到的任何话题,无论在线还是离线,都有大量的数据,如我们的日常活动、对无生命事物的偏好、属性、用途等等。下面,我们就来看看人工智能是如何在大数据处理中应用的?

W ·  1天前
在智能家居设备中融合ML和IOT

人工智能是一项正在常规基础上进行大量研究的技术。

Cassie ·  1天前
Copyright©2005-2020 51CTO.COM 版权所有 未经许可 请勿转载