图源：视觉中国
根据美国每日科学网站的报道，加州大学河滨分校的科学家研发出了一种机器学习算法，通过测试药物的活性，从2亿多种化学物质中，筛选出了数百种新冠肺炎候选药物。
该研究负责人、加州大学河滨分校教授安南达桑卡·雷解释说，这一药物发现平台是一种与人工智能有关的计算机算法，可通过反复试错学习预测药物的活性，其预测能力还能不断改进，“对于系统性发现治疗新冠肺炎新药而言，此类平台是重要的第一步”。
在研究中，团队成员乔尔·科瓦列夫斯基用到了与新冠病毒蛋白相互作用的65种人类蛋白的配体，并为每种人类蛋白生成了机器学习模型，这些模型经过训练，可从其3D结构中识别出新配体。
研究团队使用这些机器学习模型，从包含2亿种化学物质的数据库中筛选出了1000多万种小分子，并确定了能最有效靶向与新冠病毒蛋白相互作用的65种人类蛋白的化合物。
他们从这些化合物中鉴定出了已经获得美国食品药品管理局（FDA）批准的化合物，例如一些药品和食品中使用的化合物。他们还使用机器学习模型计算了各种化合物的毒性，这有助于摒弃潜在的有毒候选物。
科瓦列夫斯基表示，这65种蛋白质的靶标非常多样化，可能还可以帮助许多其他的疾病，例如癌症。
研究人员表示，这种方法不仅使他们鉴定出对单个人类蛋白靶标具有最显著活性的候选药物，还发现了一些有望抑制两个或多个人类蛋白靶标的化学物。
研究人员认为，传统依赖细胞培养测定的方法很昂贵，而且可能需要数年时间对药物进行测试，同时疾病本身变得越来越复杂。使用机器学习方法可以为研究人员提供进一步研究的机会，帮助他们从数据中寻找新的见解，在初步筛查大量化学物质方面他们的人工智能平台具有优势。
除此之外，Ray和Kowalewski表示，虽然COVID-19大流行是他们研发的动力，但他们希望所做的对超过1000万种化学药品的活性预测，不仅能用于研发抗新冠肺炎药物，还能加速其他多种疾病药物的研发进程。
目前项目研究者Ray正在寻找资金和合作者，以进行测试、动物实验以及临床试验。
