新的加密系統(tǒng)可以讓制藥公司和學術實驗室共同合作，更快地開發(fā)新的藥物,而不會向競爭對手透露任何機密數(shù)據(jù)。
該計算系統(tǒng)的核心是一種稱為神經(jīng)網(wǎng)絡的人工智能程序。AI研究哪些藥物與人體內的各種蛋白質相互作用以預測新的藥物蛋白質相互作用的信息。
更多的培訓數(shù)據(jù)產(chǎn)生了更聰明的人工智能，這在過去是一個挑戰(zhàn)，因為藥物開發(fā)人員通常不會因知識產(chǎn)權問題而共享數(shù)據(jù)。研究人員在10月19日的“ 科學”雜志上報告說，新系統(tǒng)允許人工智能將數(shù)據(jù)眾包，同時保持信息的私密性，從而鼓勵合作伙伴加快藥物開發(fā)。
確定新的藥物蛋白質相互作用可以揭示各種疾病的潛在新療法?；蛘咚梢越沂舅幬锸欠衽c非預期的蛋白質靶標相互作用，這可能表明藥物是否可能引起特殊的副作用，匹茲堡大學的計算生物學家Ivet Bahar說，他沒有參與這項工作。
在新的AI培訓系統(tǒng)中，從研究組匯集的數(shù)據(jù)在多個服務器之間進行分配，每個服務器的所有者看到的似乎只是隨機數(shù)?！斑@就是加密魔法發(fā)生的地方，”位于夏洛茨維爾的弗吉尼亞大學的計算機科學家大衛(wèi)吳說，他沒有參與這項工作。雖然沒有個體參與者能夠看到組成訓練集的數(shù)百萬種藥物蛋白質相互作用，但是服務器可以共同使用該信息來教導神經(jīng)網(wǎng)絡來預測先前看不見的藥物蛋白質組合的相互作用。
“這項工作具有遠見卓識，”伊利諾伊大學厄巴納香檳分校的計算機科學家簡鵬說?！拔艺J為它將為生物醫(yī)學合作的未來奠定基礎?！?/p>
麻省理工學院計算生物學家Bonnie Berger及其同事Brian Hie和Hyunghoon Cho通過在大約140萬個藥物蛋白質對上訓練神經(jīng)網(wǎng)絡來評估他們系統(tǒng)的準確性。這些對中的一半來自已知藥物蛋白質相互作用的STITCH數(shù)據(jù)庫; 另一半包含不相互作用的藥物蛋白質對。當顯示已知相互作用或不相互作用的新藥物蛋白質對時，AI選擇哪些組以95％的準確度相互作用。
為了測試該系統(tǒng)是否能夠識別迄今未知的藥物蛋白質相互作用，Berger團隊隨后在近200萬個藥物蛋白質對上訓練神經(jīng)網(wǎng)絡：已知相互作用的整個STITCH數(shù)據(jù)集，以及相同數(shù)量的非相互作用對。經(jīng)過充分培訓的人工智能建議進行了幾次以前從未報告或已報告但未在STITCH數(shù)據(jù)庫中進行的互動。
例如，AI鑒定了雌激素受體蛋白與開發(fā)用于治療乳腺癌的藥物（稱為屈洛昔芬）之間的相互作用。神經(jīng)網(wǎng)絡還發(fā)現(xiàn)了白血病藥物伊馬替尼與蛋白質ErbB4之間從未見過的相互作用，該蛋白質被認為與不同類型的癌癥有關。研究人員證實這與實驗室實驗相互作用。
該安全計算網(wǎng)絡還可以鼓勵在藥物開發(fā)之外的領域中的更多協(xié)作。彭說，醫(yī)院可以分享機密健康記錄，以培訓預測患者預后或設計治療策略的人工智能項目。
“無論什么時候你想研究大量的人的行為，基因組學，醫(yī)療記錄，法律記錄，財務記錄,任何對隱私敏感的東西，這些技術都非常有用，”吳說。
（免責聲明：本網(wǎng)站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內容可能涉嫌侵犯其知識產(chǎn)權或存在不實內容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。 ）
