ホームページ テクノロジー周辺機器 AI 最適な分子を自動的に特定し、合成コストを削減する MIT は、分子設計の意思決定アルゴリズム フレームワークを開発します。

最適な分子を自動的に特定し、合成コストを削減する MIT は、分子設計の意思決定アルゴリズム フレームワークを開発します。

Jun 22, 2024 am 06:43 AM
理論

編集者 | Ziluo

創薬を効率化するための AI の使用が爆発的に増加しています。新薬の開発に必要な特性を備えている可能性のある候補分子を数十億個スクリーニングします。材料の価格からエラーのリスクまで、考慮すべき変数が非常に多いため、たとえ科学者が AI を使用したとしても、最適な候補分子の合成コストを秤量することは簡単な作業ではありません。

ここで、MIT の研究者は、最適な分子候補を自動的に特定するための定量的決定アルゴリズム フレームワークである SPARROW を開発しました。これにより、候補が望ましい特性を持つ可能性を最大化しながら、合成コストを最小限に抑えることができます。このアルゴリズムは、これらの分子を合成するために必要な材料と実験手順も決定しました。

SPARROW では、複数の候補分子が同じ化合物の一部から得られることが多いため、分子のバッチを一度に合成するコストが考慮されます。さらに、この統一されたアプローチにより、オンライン リポジトリや広く使用されている AI ツールから分子設計、特性予測、合成計画のための重要な情報にアクセスできるようになります。

SPARROW は、製薬会社がより効率的に新薬を発見できるよう支援するだけでなく、新しい農薬を発明したり、有機エレクトロニクス用の特殊な材料を発見したりするためにも使用できます。

分子設計における合成コストを意識した意思決定のためのアルゴリズムフレームワーク」と題された関連研究が、6月19日に「Nature Computational Science」に掲載されました。

最適な分子を自動的に特定し、合成コストを削減する MIT は、分子設計の意思決定アルゴリズム フレームワークを開発します。

論文リンク: https://www.nature.com/articles/s43588-024-00639-y

「化合物の選択は芸術であり、時には非常に成功する芸術でもあります。分子がどのように挙動し、合成されるかについての情報を提供するモデルや予測ツールがすべて揃っているのであれば、その情報を利用して意思決定を行う必要がある」と論文の責任著者であり、医学部助教授のコナー氏は述べた。マサチューセッツ工科大学の化学工学部のコーリー氏はこう語った。

定量的意思決定アルゴリズム フレームワーク SPARROW

「合成計画と報酬ベースのルート最適化ワークフロー、SPARROW」は、設計サイクルを推進するために使用されるアルゴリズム意思決定フレームワークです。

最適な分子を自動的に特定し、合成コストを削減する MIT は、分子設計の意思決定アルゴリズム フレームワークを開発します。

図: SPARROW の概要と分子設計サイクルにおけるその役割。 (出典: 論文)

この研究は、複数の分子の合成経路を同時に選択し、製品とプロセスシステム設計を統合するための以前の問題定式化に基づいています。従来のスクリーニング方法とは異なり、SPARROW は、コストと実用性のバランスをとる多目的最適化基準を使用して、候補分子のライブラリーから分子とその推定合成経路に優先順位を付けます。

SPARROW は、候補標的分子と合成ルートから構成される反応ネットワークを生成します。グラフベースの最適化問題を解くことにより、一連の分子と合成経路をスクリーニングして、累積合成コストと実用性のバランスを最適化することができます。この文脈において、有用性は分子特性を評価する価値を測定します。

実用性の適切な尺度は、アプリケーションと設計のさまざまな段階で異なります。これには、分子特性の予測、これらの予測の不確実性、または構造と特性の関係を改善するための新しいデータポイントの可能性が含まれる場合があります。候補のライブラリは、各候補分子に関連する有用性を示す対応する報酬とともに SPARROW に提供されなければなりません。

最適な分子を自動的に特定し、合成コストを削減する MIT は、分子設計の意思決定アルゴリズム フレームワークを開発します。

イラスト: SPARROWの問題提起。 (出典: 論文)

分子を選択した場合の報酬は、その分子を合成するために選択した反応ステップの成功にも依存します。候補分子の合成経路の反応ステップが失敗すると、情報は得られません。研究者らは、候補分子の選択で期待される報酬を最大化することでこれを定式化しました。これは、その報酬に分子の合成が成功する確率を乗じたものとして表すことができます。

コストとユーティリティのバランスを考慮して、SPARROW の目標は、選択されたすべての目標の期待される報酬を、選択されたルートを使用して選択されたすべての目標を合成するコストで割ったものとして形式化できます。

複雑なコストの考慮事項

ある意味、科学者が特定の分子を合成してテストすべきかどうかは、合成コストと実験の価値の問題に帰着します。しかし、コストや価値を決めること自体が難しい問題です。

SPARROW は、分子の合成に関与する共有中間化合物を考慮し、この情報をそのコスト対価値関数に組み込むことで、この課題に対処します。

「分子のバッチを設計する最適化問題について考えるとき、新しい構造を追加するコストは、すでに選択した分子に依存します」とコーリー氏は言います。

このフレームワークでは、出発原料のコスト、各合成ルートに含まれる反応の数、それらの反応が最初の試行で成功する可能性などの要素も考慮されます。

SPARROW を使用するには、科学者は、テストを検討している一連の分子化合物と、見つけたい特性の定義を提供します。

次に、SPARROW は分子とその合成経路に関する情報を収集し、各分子の価値と候補のバッチを合成するコストを比較検討します。ユーザーの基準を満たす候補の最適なサブセットを自動的に選択し、これらの化合物の最も費用対効果の高い合成ルートを見つけます。この論文の最初の著者である

Jenna Fromer 氏は、「SPARROW は、これらすべての最適化を 1 つのステップで実行するため、競合するすべての目標を同時に達成することができます。」と述べています。人間が設計した仮想カタログに存在する分子構造や、生成AIモデルによって作成されたこれまでに見たことのない分子構造を統合できる点がユニークです。

「私たちはさまざまなアイデアのソースを持っています。SPARROW の魅力の 1 つは、それらすべてのアイデアを平等な競争の場で提供できることです」と Coley 氏は付け加えました。 研究者らは、3 つのケーススタディを通じて分子設計サイクルを調整する SPARROW の能力を実証しています。これらのアプリケーションは、SPARROW がどのようにして (1) 情報獲得と合成コストのバランスをうまくとっているのか、(2) 分子のバッチの合成コストの非加法性を把握しているのか、(3) 数百の分子を含む候補ライブラリにスケールアップしているのかを示しています。

図: 14 種類の ASCT2 阻害剤候補のライブラリー全体でコストと報酬のバランスをとる SPARROW の能力の実証。 (出典: 論文) 最適な分子を自動的に特定し、合成コストを削減する MIT は、分子設計の意思決定アルゴリズム フレームワークを開発します。

彼らは、SPARROW がバッチ合成の限界コストを効果的に捉え、一般的な実験ステップと中間化学物質を特定したことを発見しました。さらに、数百の潜在的な分子候補を処理できるように拡張できます。

最適な分子を自動的に特定し、合成コストを削減する MIT は、分子設計の意思決定アルゴリズム フレームワークを開発します。「化学機械学習コミュニティには、逆合成や分子特性の予測に適したモデルがたくさんありますが、実際にそれらをどのように使用すればよいでしょうか? 私たちのフレームワークは、SPARROW を作成することで、これらの予備研究の価値を活用することを目指しています。他の研究者が独自のコスト関数と効用関数を使用して化合物スクリーニングについて考えるよう導くためです」とフロマー氏は語った。

将来的には、研究者は SPARROW にさらに複雑さを組み込むことを望んでいます。たとえば、化合物をテストする価値が常に一定であるとは限らないことをアルゴリズムが考慮できるようにしたいと考えています。また、コスト対価値関数に、より多くの並行化学要素を含めたいと考えています。

参考コンテンツ:

https://news.mit.edu/2024/smarter-way-streamline-drug-discovery-0617

以上が最適な分子を自動的に特定し、合成コストを削減する MIT は、分子設計の意思決定アルゴリズム フレームワークを開発します。の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

このウェブサイトの声明
この記事の内容はネチズンが自主的に寄稿したものであり、著作権は原著者に帰属します。このサイトは、それに相当する法的責任を負いません。盗作または侵害の疑いのあるコンテンツを見つけた場合は、admin@php.cn までご連絡ください。

ホットAIツール

Undresser.AI Undress

Undresser.AI Undress

リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover

AI Clothes Remover

写真から衣服を削除するオンライン AI ツール。

Undress AI Tool

Undress AI Tool

脱衣画像を無料で

Clothoff.io

Clothoff.io

AI衣類リムーバー

Video Face Swap

Video Face Swap

完全無料の AI 顔交換ツールを使用して、あらゆるビデオの顔を簡単に交換できます。

ホットツール

メモ帳++7.3.1

メモ帳++7.3.1

使いやすく無料のコードエディター

SublimeText3 中国語版

SublimeText3 中国語版

中国語版、とても使いやすい

ゼンドスタジオ 13.0.1

ゼンドスタジオ 13.0.1

強力な PHP 統合開発環境

ドリームウィーバー CS6

ドリームウィーバー CS6

ビジュアル Web 開発ツール

SublimeText3 Mac版

SublimeText3 Mac版

神レベルのコード編集ソフト(SublimeText3)

「Defect Spectrum」は、従来の欠陥検出の限界を打ち破り、超高精度かつ豊富なセマンティックな産業用欠陥検出を初めて実現します。 「Defect Spectrum」は、従来の欠陥検出の限界を打ち破り、超高精度かつ豊富なセマンティックな産業用欠陥検出を初めて実現します。 Jul 26, 2024 pm 05:38 PM

現代の製造において、正確な欠陥検出は製品の品​​質を確保するための鍵であるだけでなく、生産効率を向上させるための核心でもあります。ただし、既存の欠陥検出データセットには、実際のアプリケーションに必要な精度や意味論的な豊富さが欠けていることが多く、その結果、モデルが特定の欠陥カテゴリや位置を識別できなくなります。この問題を解決するために、広州香港科技大学と Simou Technology で構成されるトップの研究チームは、産業欠陥に関する詳細かつ意味的に豊富な大規模なアノテーションを提供する「DefectSpectrum」データセットを革新的に開発しました。表 1 に示すように、他の産業データ セットと比較して、「DefectSpectrum」データ セットは最も多くの欠陥注釈 (5438 個の欠陥サンプル) と最も詳細な欠陥分類 (125 個の欠陥カテゴリ) を提供します。

NVIDIA 対話モデル ChatQA はバージョン 2.0 に進化し、コンテキストの長さは 128K と記載されています NVIDIA 対話モデル ChatQA はバージョン 2.0 に進化し、コンテキストの長さは 128K と記載されています Jul 26, 2024 am 08:40 AM

オープンな LLM コミュニティは百花繚乱の時代です Llama-3-70B-Instruct、QWen2-72B-Instruct、Nemotron-4-340B-Instruct、Mixtral-8x22BInstruct-v0.1 などがご覧いただけます。優秀なパフォーマーモデル。しかし、GPT-4-Turboに代表される独自の大型モデルと比較すると、オープンモデルには依然として多くの分野で大きなギャップがあります。一般的なモデルに加えて、プログラミングと数学用の DeepSeek-Coder-V2 や視覚言語タスク用の InternVL など、主要な領域に特化したいくつかのオープン モデルが開発されています。

結晶相問題を解決するための数百万の結晶データを使用したトレーニング、深層学習手法 PhAI が Science 誌に掲載 結晶相問題を解決するための数百万の結晶データを使用したトレーニング、深層学習手法 PhAI が Science 誌に掲載 Aug 08, 2024 pm 09:22 PM

編集者 |KX 今日に至るまで、単純な金属から大きな膜タンパク質に至るまで、結晶学によって決定される構造の詳細と精度は、他のどの方法にも匹敵しません。しかし、最大の課題、いわゆる位相問題は、実験的に決定された振幅から位相情報を取得することのままです。デンマークのコペンハーゲン大学の研究者らは、結晶相の問題を解決するための PhAI と呼ばれる深層学習手法を開発しました。数百万の人工結晶構造とそれに対応する合成回折データを使用して訓練された深層学習ニューラル ネットワークは、正確な電子密度マップを生成できます。この研究では、この深層学習ベースの非経験的構造解法は、従来の非経験的計算法とは異なり、わずか 2 オングストロームの解像度で位相問題を解決できることが示されています。これは、原子解像度で利用可能なデータのわずか 10% ~ 20% に相当します。

Google AI が IMO 数学オリンピック銀メダルを獲得、数理推論モデル AlphaProof が発売、強化学習が復活 Google AI が IMO 数学オリンピック銀メダルを獲得、数理推論モデル AlphaProof が発売、強化学習が復活 Jul 26, 2024 pm 02:40 PM

AI にとって、数学オリンピックはもはや問題ではありません。木曜日、Google DeepMind の人工知能は、AI を使用して今年の国際数学オリンピック IMO の本当の問題を解決するという偉業を達成し、金メダル獲得まであと一歩のところまで迫りました。先週終了したばかりの IMO コンテストでは、代数、組合せ論、幾何学、数論を含む 6 つの問題が出題されました。 Googleが提案したハイブリッドAIシステムは4問正解で28点を獲得し、銀メダルレベルに達した。今月初め、UCLA 終身教授のテレンス・タオ氏が、100 万ドルの賞金をかけて AI 数学オリンピック (AIMO Progress Award) を宣伝したばかりだったが、予想外なことに、AI の問題解決のレベルは 7 月以前にこのレベルまで向上していた。 IMO に関する質問を同時に行うのが最も難しいのは、最も歴史が長く、規模が最も大きく、最も否定的な IMO です。

PRO | なぜ MoE に基づく大規模モデルがより注目に値するのでしょうか? PRO | なぜ MoE に基づく大規模モデルがより注目に値するのでしょうか? Aug 07, 2024 pm 07:08 PM

2023 年には、AI のほぼすべての分野が前例のない速度で進化しています。同時に、AI は身体化されたインテリジェンスや自動運転などの主要な分野の技術的限界を押し広げています。マルチモーダルの流れのもと、AI大型モデルの主流アーキテクチャとしてのTransformerの状況は揺るがされるだろうか? MoE (専門家混合) アーキテクチャに基づく大規模モデルの検討が業界の新しいトレンドになっているのはなぜですか?ラージ ビジョン モデル (LVM) は、一般的な視覚における新たなブレークスルーとなる可能性がありますか? ...過去 6 か月間にリリースされたこのサイトの 2023 PRO メンバー ニュースレターから、上記の分野の技術トレンドと業界の変化を詳細に分析し、新しい分野での目標を達成するのに役立つ 10 の特別な解釈を選択しました。準備してください。この解釈は 2023 年の Week50 からのものです

新しい科学的で複雑な質問応答ベンチマークと大規模モデルの評価システムを提供するために、UNSW、アルゴンヌ、シカゴ大学、およびその他の機関が共同で SciQAG フレームワークを立ち上げました。 新しい科学的で複雑な質問応答ベンチマークと大規模モデルの評価システムを提供するために、UNSW、アルゴンヌ、シカゴ大学、およびその他の機関が共同で SciQAG フレームワークを立ち上げました。 Jul 25, 2024 am 06:42 AM

編集者 |ScienceAI 質問応答 (QA) データセットは、自然言語処理 (NLP) 研究を促進する上で重要な役割を果たします。高品質の QA データ セットは、モデルの微調整に使用できるだけでなく、大規模言語モデル (LLM) の機能、特に科学的知識を理解し推論する能力を効果的に評価することもできます。現在、医学、化学、生物学、その他の分野をカバーする多くの科学 QA データ セットがありますが、これらのデータ セットにはまだいくつかの欠点があります。まず、データ形式は比較的単純で、そのほとんどが多肢選択式の質問であり、評価は簡単ですが、モデルの回答選択範囲が制限され、科学的な質問に回答するモデルの能力を完全にテストすることはできません。対照的に、自由回答型の Q&A

Transformer に基づく浙江大学の化学逆合成予測モデルは、Nature サブジャーナルで 60.8% に達しました。 Transformer に基づく浙江大学の化学逆合成予測モデルは、Nature サブジャーナルで 60.8% に達しました。 Aug 06, 2024 pm 07:34 PM

編集者 | KX 逆合成は創薬や有機合成において重要なタスクであり、そのプロセスを高速化するために AI の使用が増えています。既存の AI 手法はパフォーマンスが不十分で、多様性が限られています。実際には、化学反応は多くの場合、反応物と生成物の間にかなりの重複を伴​​う局所的な分子変化を引き起こします。これに触発されて、浙江大学のHou Tingjun氏のチームは、単一ステップの逆合成予測を分子列編集タスクとして再定義し、標的分子列を反復的に改良して前駆体化合物を生成することを提案した。そして、高品質かつ多様な予測を実現できる編集ベースの逆合成モデルEditRetroを提案する。広範な実験により、このモデルが標準ベンチマーク データ セット USPTO-50 K で優れたパフォーマンスを達成し、トップ 1 の精度が 60.8% であることが示されました。

自然の視点: 医療における人工知能のテストは混乱に陥っています。何をすべきでしょうか? 自然の視点: 医療における人工知能のテストは混乱に陥っています。何をすべきでしょうか? Aug 22, 2024 pm 04:37 PM

編集者 | ScienceAI 限られた臨床データに基づいて、何百もの医療アルゴリズムが承認されています。科学者たちは、誰がツールをテストすべきか、そしてどのようにテストするのが最善かについて議論しています。デビン シン氏は、救急治療室で小児患者が治療を長時間待っている間に心停止に陥るのを目撃し、待ち時間を短縮するための AI の応用を模索するようになりました。 SickKids 緊急治療室からのトリアージ データを使用して、Singh 氏らは潜在的な診断を提供し、検査を推奨する一連の AI モデルを構築しました。ある研究では、これらのモデルにより医師の診察が 22.3% 短縮され、医療検査が必要な患者 1 人あたりの結果の処理が 3 時間近く高速化できることが示されました。ただし、研究における人工知能アルゴリズムの成功は、これを証明するだけです。

See all articles