Public Release: 

结合生成对抗网络和强化学习两大人工智能技术用于药物发现

InSilico Medicine, Inc.

2018年5月10号,Insilico Medicine公司宣布在Molecular Pharmaceutics杂志上发表了题为“对抗阈值神经计算机用于药物分子设计”的研究论文。文中所描述的对抗阈值神经计算机(ATNC)模型结合了对抗生成网络(GAN)算法和强化学习算法,其目的是用于设计新型的有机小分子并使其具有一系列理想的药理性质。Insilico Medicine是一家来自巴尔的摩市的高科技企业,旨在将人工智能应用于药物开发,生物标识物研发以及衰老研究。

Insilico Medicine的深度学习部门负责人Evgeny Putin评论说:“ 这篇论文是将ATNC技术应用于药物发现的一次概念验证。我们将于这个夏天发表更多后续的实验验证,请拭目以待。我们希望将这项技术整合到我们的药物研发流程中来帮助发现高效的药物分子,使其不仅可以针对特定的靶点也可以应对多个靶点,这有助于建立更为健康的社会。”

GAN的架构是由Lan Goodfellow于2015年提出,并在图像,视频和简讯的生成上面迅速展现出无与伦比的能力。GAN的基本原理是通过让其中的生成网络模型和判别网络模型相互对抗从而共同优化来获得具有理想结果。在此次概念验证研究中,Insilico Medicine的科学家率先将GAN与强化学习算法(RL)相结合来用于药物发现。

Insilico Medicine的创始人兼首席执行官Alex Zhavoronkov 评论说:“这项研究中的GAN-RL架构是由Evgeny Putin提出,展示出了其在产生大量有效并独特的分子结构的能力。这项研究采用了一些列的分子结构来做概念验证。而在算法内部我们集成了生成模型,强化学习模型以及我们拥有专利的分子结构信息。这使得我们可以把化学和生物学联系起来以产生所需要的药物分子。”

Insilico Medicine在同行评议的杂志上时常发表研究论文。它第一个将深度生成对抗网络(GAN)应用于生成具有特定参数的新分子结构,并已经在Oncotarget和Molecular Pharmaceutics期刊上发表了相关开创性论文。2016年发表在Molecular Pharmaceutics期刊上的论文展示了利用深层神经网络来分析转录反应数据从而预测分子治疗类别的概念证明,并因此获得了美国化学学会编辑选择奖。2017年11月发表的论文则阐述了如何利用下一代人工智能技术与区块链技术让个人重新掌握个体健康数据的控制权。而最新发表在Journals of Gerontology期刊上的论文展示了深度神经网络在评估患者的生物学年龄上的应用。

想了解进一步的信息,图片和访谈内容,请联系,

朱青松博士

zhu@pharma.ai

Website: http://www.Insilico.com

Insilico Medicine是一家位于巴尔的摩市约翰霍普金斯大学东校区新兴技术中心的人工智能公司,现于比利时、俄罗斯和英国均设有研发资源中心。公司及其所属科学家旨在延长人类有效寿命并希望凭借他们在生物标志物发现,药物开发,药物数字化和老龄化研究上的先进技术来优化药物研发的每一个步骤。

Insilico Medicine在全球率先运用生成对抗网路(GAN)和强化学习(RL)来开发新的药物分子,这项技术可同时运用于已知靶点的疾病以及未知靶点的疾病。除了个大公司合作开发药物之外,Insilico Medicine也同时在内部开展药物发现项目,专研于癌症,皮肤疾病,纤维症,帕金森病,老年性痴呆,渐冻人,糖尿病,肌肉减少症和衰老的新药开发。通过与LifeExtension.com的合作,并借助于自身先进的生物信息技术和深度学习技术,Insilico Medicine开发了一系列自然保健药物。此外,Insilico Medicine还研发了消费者脸部识别应用,比如Young.AI.

美国人工智慧技术公司Insilico 医药公司,2017年被NVIDIA黄仁勋列为全球前五大对未来人类最具影响力的公司之一,2018年更被美国知名创投研究机构CB Insights誉为2018 全球AI人工智慧百强公司。详情请点击公司介绍的短视频: https://www.youtube.com/watch?v=l62jlwgL3v8

###

Disclaimer: AAAS and EurekAlert! are not responsible for the accuracy of news releases posted to EurekAlert! by contributing institutions or for the use of any information through the EurekAlert system.