近日，百度在生物計(jì)算領(lǐng)域的最新研究成果《Geometry Enhanced Molecular Representation Learning for Property Prediction》，登上了國(guó)際頂級(jí)學(xué)術(shù)期刊《Nature》子刊《Nature Machine Intelligence》！
論文提出“基于空間結(jié)構(gòu)的化合物表征學(xué)習(xí)方法”，即“幾何構(gòu)象增強(qiáng) AI 算法”（Geometry Enhanced Molecular Representation Learning，GEM 模型），將化合物的幾何結(jié)構(gòu)信息引入自監(jiān)督學(xué)習(xí)和分子表示模型，對(duì)化合物進(jìn)行“3D 建模”，以預(yù)測(cè)化合物分子的性質(zhì)屬性。
在藥物篩選上的應(yīng)用，可在數(shù)小時(shí)內(nèi)完成傳統(tǒng)仿真方法1年的工作量，效率提升上千倍，有望大幅降低藥物研發(fā)的時(shí)間投入和成本投入。這是百度在 AI 賦能藥物研發(fā)領(lǐng)域的又一項(xiàng)重磅成果。
化合物的性質(zhì)和其三維空間結(jié)構(gòu)密切相關(guān)，為了更好地預(yù)測(cè)化合物性質(zhì)，亟需引入化合物的三維空間信息。百度此次提出的“基于空間結(jié)構(gòu)的化合物表征學(xué)習(xí)方法”，即 GEM 模型，在這一點(diǎn)上實(shí)現(xiàn)了重大突破，在全球范圍內(nèi)開創(chuàng)性地將化合物性質(zhì)預(yù)測(cè)從“2D 建模”推進(jìn)到“3D 建模”。
同時(shí)，引入 AI 領(lǐng)域迅速發(fā)展的預(yù)訓(xùn)練技術(shù)，利用大量無標(biāo)注的化合物數(shù)據(jù)，通過自監(jiān)督學(xué)習(xí)，構(gòu)建 GEM 模型的底層能力，有望能成為小分子藥物研發(fā)領(lǐng)域的模型底座，解決小分子藥物活性預(yù)測(cè)，成藥性預(yù)測(cè)，藥物設(shè)計(jì)等核心問題，真正加速藥物，特別是全新藥物（First In Class）的發(fā)現(xiàn)過程。
