你好 预期将推出“ Python中的神经网络”课程，我们希望与您分享有关AI对医学发展的贡献的有趣文章的翻译。
香港医科大学发表的一项研究表明，他们的深度学习系统可以确定潜在的纤维化治疗方法。 该系统称为带有增强或简短GENTRL的生成张量训练系统，仅在21天之内就能检测到六种有希望的治疗方法。 这些方法之一已经在实验小鼠的实验中显示出有希望的结果。 该研究
发表在《自然生物技术》杂志上，
该模型的
源代码可在Github上获得。
Insilico首席执行官Alexander Zhavoronkov说：
“我们将人工智能的战略思想与他的想象力相结合，”他将GENTRL的工作与Deepmind Google开发的AlphaGo机器学习系统进行了比较，以挑战围棋冠军。
Zhavoronkov于2014年成立了公司。 他接受了计算机科学的初步教育，并在ATI工作了几年，直到2006年AMD收购了该公司。 在这一点上，他决定改变职业并从事生物技术研究，从而对延缓衰老过程产生了兴趣。 他获得了约翰霍普金斯大学的硕士学位，然后又获得了莫斯科州立大学的博士学位，在那里他致力于利用机器学习研究生物系统中分子相互作用的物理学。 他曾在多家公司工作，但后来回到巴尔的摩成立了Insilico。
该公司的最初理念是使用深度学习来教授神经网络绕过大分子库并找到暴露于药物的靶标。 但是，在公司成立后不久，Zhavoronkov对
Jan Goodfellow在机器学习领域的工作产生了兴趣，并决定改变路线。
他问道：
“我们能否让这台机器创造出具有新特性的新分子，而不仅仅是检查庞大的供应商库？” 传统上，新药的发现是通过分子筛选来进行的，但问题是该过程是否可以使用机器学习来优化和加速。
该公司于2016年发布了基于此想法的第一项研究，该研究有助于吸引生物技术和人工智能领域交叉领域的研究投资。 据Pitchbook称，扎沃龙科夫又从A-Level Capital和Juvenescence等赞助商那里筹集了2430万美元的投资，总估值为5600万美元。 他还拥有多个生物技术合作伙伴，包括A2A Pharmaceuticals和TARA Biosystems。
这项研究是关于该公司及其来自化学领域的同事提出的挑战。 他们要求Insilico使用其系统来开发可能会干扰域样受体1 Discoidine（DDR1）活性的药物。 DDR1是一种参与纤维化的酶，尽管目前尚不清楚它是否能调节这些过程，但抑制其活性被认为是一种可能的治疗方法。 此任务构成了一组Genentech专家最近发表的研究的基础，他们花费了大约8年的时间来确定有前途的DDR1激酶抑制剂。
Insilico研究过程的一般视图Insilico使用GENTRL开发了新的潜在药物，这些药物随后进行了合成，其中一种甚至在小鼠中也成功进行了测试。 设计一个人工智能系统大约需要21天，而开发，综合和验证的总时间大约需要46天。 尽管由GENTRL开发的药物中没有一种被证明比传统研究方法发现的抑制剂更有效，但传统方法花费了8年多的时间和数百万美元，而数周时间的花费约为15万美元。
Zhavoronkov说：
“它们的分子是惊人的，它们比我们人工智能的结果要好得多 。”
“但是话又说回来，多年的工作在这里对那些不太擅长化学但已经做过这样的事情的人起着作用。”当然，在整个药物发展的背景下，这仅仅是第一步。 尽管证明AI在识别潜在药物中的潜力是一个重要的里程碑，但要批准任何潜在药物用于特定疾病的治疗，还需要数年的临床试验和数百万美元的研究费用。
Zhavoronkov还说，Insilico仍有很多工作要做。 对他而言，这项研究被认为是一项重要的突破，因为它显示了在药物开发中使用AI的前景。
他说：
“我相信这项研究将减少对全球制药业的怀疑 。”