新型深度知识AI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速度，减少对昂贵且耗时的实验室测试的需求。一项名为模式知识(P2K)的新技术可以在几秒钟内预测生物序列的组合，并可能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，而不是仅仅依靠经典的机器学习。

“P2K是改变游戏规则的一个因素，因为它可以揭示复杂的物理和化学环境中纠缠在一起的微妙的蛋白质结合，只有根据串行数据才能有力地预测相互作用，”系统设计工程教授、模式分析和机器中心创始主任Andrew Wong说。智能(CPAMI)。“从经过验证的科学成果中获得这些深刻知识的能力将促进生物研究的发展。P2K有能力改变未来数据的使用。”虽然已经收集了大量的生物序列数据，但提取有意义、有用的知识并不容易。P2K算法可以通过解决多个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中提取信息，P2K可以预测肿瘤蛋白和潜在的癌症治疗将如何相互作用。

尽管仍处于早期原型阶段，黄教授和他的团队已经公开向研究人员提供了一个在线系统，以开始识别新的生物序列相互作用。系统设计工程研究助理、P2K的共同发明人Antonio Sze-To说：“将这项AI技术交到生物医学研究人员手中，将会产生立竿见影的效果，可用于未来的科学发现。因为它分析序列数据，所以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用的关联和预测，从而使金融行业受益。

　　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！