【嘉勤點評】百度發明的藥物預測方案，能夠使得訓練的藥物預測模型的準確性更高，且可以有效地提高訓練的藥物預測模型的訓練效果，從而為實驗人員提供良好成藥分子的藥物信息設計方案。

近日，在首屆中國生物計算大會上，百度創始人、董事長兼CEO，百圖生科創始人兼董事長李彥宏表示，生物計算是一個高度融合的學科，生物+計算的融合，會帶來巨大的突破和進步。依靠生物計算引擎，能夠有效利用大量的生物數據，把藥物發現的“大海撈針”變成“按圖索驥”，為人類的生命健康謀福祉。

在實際的醫藥研發工作中，研究人員發現人類疾病的靶點通常是疾病發展中具有關鍵作用的蛋白質，亦可以稱為蛋白質靶點。根據這個特點，藥物通過和靶點蛋白質的結合來使得對應的蛋白質喪失原有功能，從而實現疾病的抑制作用。因此，在新藥研發過程中，針對特定的蛋白質靶點，需要快速搜索藥物的化合物空間，找到能夠和蛋白質靶點進行結合的化合物，進而形成可以用于治療的藥物。

但是，傳統方法中通常由有經驗的專家對蛋白質靶點進行研究和估計，并且嘗試設計可能的化合物，并對化合物與蛋白質靶點的親和度進行估計和篩選。這種方式依賴于經驗和運氣，對于新藥的發現有較大的不確定性。

為了提高新藥的研發質量和效率，百度在2021年1月5日申請了一項名為“藥物預測方法及模型的訓練方法、裝置、電子設備及介質”的發明專利（申請號：202110007460.7），申請人為北京百度網訊科技有限公司。

根據該專利目前公開的相關資料，讓我們一起來看看這項方案吧。

如上圖，為該專利中發明的基于人工智能的用于藥物預測模型的訓練方法，首先，系統獲取訓練靶點的藥物數據集，再根據各個訓練靶點的藥物數據集，對藥物預測模型進行訓練。藥物的預測模型包括有：特征處理模塊、編碼模塊和解碼模塊。

特征處理模塊可以把各個訓練靶點的藥物數據集中的藥物的特征表達、藥物與其對應的靶點的特征表達進行特征拼接，得到綜合特征表達；再接著由編碼模塊對綜合特征表達進行編碼處理，得到編碼后的特征表達；最后，在由解碼模塊解碼并輸出對應的訓練靶點的預測藥物的信息。

該專利中的方案在進行訓練時，不僅包括訓練靶點的藥物的信息，還包括訓練靶點與藥物的親和度，相比于傳統只使用各個靶點的藥物直接進行訓練的模型，這種基于人工智能模型的方式可以有效提高訓練的藥物預測模型的訓練效果。

如上圖，為訓練過程中藥物數據的生成方法，首先基于預設靶點對應的藥物數據集，采用預先訓練的藥物預測模型，生成預設靶點的預測藥物的信息。其次，基于預測藥物的信息和預設靶點，檢測預測藥物與預設靶點的親和度，例如使用化學實驗，分子模擬，或者建立AI模型的方式，檢測預測藥物與對應的訓練靶點的親和度。

最后，基于預測藥物的信息以及預測藥物的信息與預設靶點的親和度，更新預設靶點對應的藥物數據集。這種藥物數據的生成方法由系統中的藥物數據生成裝置來執行，在生成裝置中，可以實現生成預設靶點的藥物信息，并更新對應預設靶點的藥物數據集。

以上就是百度發明的藥物預測方案，該方案能夠使得訓練的藥物預測模型的準確性更高，且可以有效地提高訓練的藥物預測模型的訓練效果。基于訓練得到的藥物預測模型，即可完成預設靶點的預測藥物的信息預測，且可為實驗人員提供良好成藥分子的藥物信息設計方案。

（holly）

78干 http://www.cityruyi.com/lm-2/lm-4/5258.html