我们正处于一个信息大暴发的时代,每天都能产生数以百万计的新闻资讯!
虽然有大数据推荐,但面对海量数据,通过我们的调研发现,在一个小时的时间里,您通常无法真正有效地获取您感兴趣的资讯!
头条新闻资讯订阅,旨在帮助您收集感兴趣的资讯内容,并且在第一时间通知到您。可以有效节约您获取资讯的时间,避免错过一些关键信息。
中新网北京11月1日电 施普林格·自然旗下学术期刊《自然-通讯》最新发表一篇化学论文称,研究人员研发出一种机器学习模型,该模型能部分重现职业化学家在工作中积累的集体知识,这类知识通常被称为“化学直觉”。该研究认为,这或使今后的药物研发更高效。
据论文介绍,传统上,药物与化学发现需要依靠试错实验和研究人员在工作中积累的知识,而使用模拟工具,尤其是机器学习,能让研究人员更快地发现候选分子,极大降低发现新药用化合物的成本。如果要用机器学习预测分子性质,分子就必须还原到数学表达,这通常包含一组性质或“特征”,确定正确特征是这些数据驱动性能预测模型成功的关键。
论文共同通讯作者、瑞士诺华生物医学研究所Nikolaus Stiefl、英国剑桥微软研究院科学智能中心José Jiménez-Luna和他们的同事合作,让35名医学化学家各自从5000对分子中选择自己更偏向的分子,再用他们的回答做成排序游戏来训练一个机器学习模型,随后让这个模型给分子打分。研究发现,这个分数基本不受该领域之前作为特征的其他性质的影响,因为这来自行业内多年的知识积累。
论文作者指出,合作团队提议的模型还能用来改变数学模型的推荐,从而更好地匹配化学家的集体专业知识,有望在今后早期药物研发中缩短迭代时间。
他们总结认为,最新研究的这种方法或能在药物研发中作为对分子建模的补充,从而推动药物研发更高效。
以上内容为资讯信息快照,由td.fyun.cc爬虫进行采集并收录,本站未对信息做任何修改,信息内容不代表本站立场。
快照生成时间:2023-11-01 23:45:03
本站信息快照查询为非营利公共服务,如有侵权请联系我们进行删除。
信息原文地址: