News Release 

全新AI模型搭起化学与生物间的桥梁

生成生物与生成化学的碰撞:借助双向对抗自编码器生成预期转录反应的全新分子结构

InSilico Medicine

IMAGE

IMAGE: New Artificial Intelligence Model to Bridge Biology and Chemistry view more 

Credit: Insilico Medicine

2020年5月19日,香港 - Insilico Medicine在国际知名药理学期刊Frontiers in Pharmacology 上发表了一篇新的研究论文,题为“利用对抗自编码器根据预期转录变化生成分子”,是领域内最先提出根据预期转录反应生成全新分子结构的论文。

在这项研究中,Insilico Medicine 的研究人员开发了双向对抗自编码器模型。该模型能够学习分子结构的联合分布并引发转录反应,可在给定转录反应的条件下生成分子结构,反之亦然。在此基础上,Insilico Medicine结合生成生物(生成生物学数据)和生成化学(生成新化学分子)开发出模型,研究人员可利用此模型进行虚拟筛选、发现新颖的分子结构并预测转录反应,从而解决诸多难题。

“这篇论文表明,我们可以按给定的转录反应生成新型分子结构。自2016年以来,Insilico就一直在研究这个项目,由Alex Zhavoronkov和Alex Aliper 最早提出合成生物数据方面的构想到最终获得专利,项目也取得了重要知识产权。我希望Insilico结合生成化学和生物学技术开发出的模型将成为大型制药企业的常用工具。我们的AI平台即将上线,用户端部署平台后可以获取许多类似的AI模型。”Insilico Medicine小组负责人和该研究的资深作者Daniil Polykovskiy这样说道。

###

关于 Insilico Medicine:

自2014年以来,Insilico Medicine致力于开发生成模型、强化学习系统,以及其他新颖的机器学习技术。运用这些技术来生成具有特定性质的全新分子结构、合成生物数据的生成、治疗靶点识别,及临床试验结果预测等药物开发过程。公司自成立以来,总计募资了超过5200万美元,发表70篇以上的开创性论文,申请专利达20多项,并获得许多业界肯定的奖项。

网站:http://insilico.com/

媒体联系

若您需要关于本文更多的信息、图片,或是采访,请联系: ai@insilico.com

关于 Frontiers研究课题

Frontiers研究课题(Frontiers' Research Topics)围绕前沿研究主题,提供同行评审论文集。由知名研究人员定义、管理和领导;围绕研究中最热门的话题,联合世界领先的专家,促进合作和加速科学发展。

关于Frontiers in Pharmacology

Frontiers in Pharmacology 期刊是药理学领域的领先期刊,发表的论文涵盖基础与临床药理学、药物化学、药学和毒理学等学科,经过严格的同行评审为论文质量把关。

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.