新的机器学习方法可能加速药物设计

剑桥大学的一组研究人员开发了一种新的机器学习方法，这可能会加速新疾病治疗方法的搜索。这种方法“学习如何学习”，并且在药物设计方面比当前的机器学习方法表现更好。

这项新研究发表在美国国家科学院院刊上。

这种被称为变换机器学习（TML）的方法由来自英国、瑞典、印度和荷兰的研究人员开发。

TML 与传统 ML 的比较

TML 方法在学习过程中提高性能，并且可以从多个问题中学习。它还可以通过提高用于识别新药物的机器学习系统来加速新药物的识别和生产。

当前的机器学习（ML）模型通常使用标记样本，这些样本通常通过内在特征（如颜色或形状）在计算机中表示。这样，计算机就可以形成将特征与标记相关联的通用规则。

罗斯·金教授来自剑桥大学的化学工程和生物技术系，他领导了这项研究。

“这有点像教孩子识别不同的动物：这是一个兔子，这是一个驴子等等，”金教授说。“如果你教一个机器学习算法什么是兔子的样子，它就能判断一个动物是否是兔子。这是大多数机器学习的工作方式——它一次处理一个问题。”

人类的学习方式不同。我们由于之前的学习经验而变得更擅长学习。我们不一次处理一个问题。

金教授也是阿兰·图灵研究所的研究员。

“为了开发 TML，我们将这种方法应用于机器学习，并开发了一个系统，该系统从之前遇到的问题中学习信息，以更好地学习新问题，”金教授说。“当一个典型的 ML 系统必须从头开始学习识别一种新动物——比如说一只小猫——时，TML 可以使用与现有动物的相似性：小猫和兔子一样可爱，但没有兔子和驴子的长耳朵。这使得 TML 成为一种更强大的机器学习方法。”

测试该方法

研究人员测试了该方法，并在科学和工程领域的数千个问题中证明了其有效性。根据该团队的说法，它在药物发现领域尤其有前途，因为它可以通过检查其他机器学习模型对某些分子的说法来加速该过程。

虽然典型的机器学习模型搜索具有特定形状的药物分子，但新的 TML 方法使用药物与其他药物发现问题的联系。

“我很惊讶它的效果——比我们目前知道的任何用于药物设计的方法都好，”金教授说。“它比人类更擅长选择药物——而没有最好的科学，我们就不会得到最好的结果。”