中新網北京11月1日電 (記者 孫自法)施普林格·自然旗下學術期刊《自然-通訊》最新發表一篇化學論文稱，研究人員研發出一種機器學習模型，該模型能部分重現職業化學家在工作中積累的集體知識，這類知識通常被稱為“化學直覺”。該研究認為，這或使今后的藥物研發更高效。

　　據論文介紹，傳統上，藥物與化學發現需要依靠試錯實驗和研究人員在工作中積累的知識，而使用模擬工具，尤其是機器學習，能讓研究人員更快地發現候選分子，極大降低發現新藥用化合物的成本。如果要用機器學習預測分子性質，分子就必須還原到數學表達，這通常包含一組性質或“特征”，確定正確特征是這些數據驅動性能預測模型成功的關鍵。

　　論文共同通訊作者、瑞士諾華生物醫學研究所Nikolaus Stiefl、英國劍橋微軟研究院科學智能中心José Jiménez-Luna和他們的同事合作，讓35名醫學化學家各自從5000對分子中選擇自己更偏向的分子，再用他們的回答做成排序游戲來訓練一個機器學習模型，隨后讓這個模型給分子打分。研究發現，這個分數基本不受該領域之前作為特征的其他性質的影響，因為這來自行業內多年的知識積累。

　　論文作者指出，合作團隊提議的模型還能用來改變數學模型的推薦，從而更好地匹配化學家的集體專業知識，有望在今后早期藥物研發中縮短迭代時間。

　　他們總結認為，最新研究的這種方法或能在藥物研發中作為對分子建模的補充，從而推動藥物研發更高效。(完)