医薬品の研究開発プロセスは長くて複雑です，「鉛化合物の発見」は重要なステップ。非常に多くの化合物に直面しました、限られた対象情報、作用機序が不明瞭というジレンマ，ステークカジノ 抽選会はどのような役割を果たすのか?

2024 年浦江イノベーション フォーラム期間中，上海国際計算生物学イノベーションコンペティションが業界に課題を提案: NMDA 受容体サブタイプ GluN1/GluN3A に対して高い活性を持つ薬剤ステークカジノ 抽選会のスクリーニング。上海理工大学の GeminiMol チームが人工知能モデルを開発しました，このモデルは、化合物のドラガビリティと立体構造空間情報を統合することにより、薬物のステークカジノ 抽選会特性を正確に特徴付けます，こうして薬物スクリーニングの的中率が大幅に向上。この革新的なアプローチにより，チームがスクリーニングしたステークカジノ 抽選会は、すべての参加チームの中で最も活性が高い，そして総合得点1位で優勝。

「ステークカジノ 抽選会による変化はまだ始まったばかりですが、，しかし、それは大きな可能性を示しています。」上海理工大学の研究者、バイファン氏は言いました，従来の計算生物学は物理モデルの駆動に依存している，生物学的現象を数式に抽象化する必要がある，ステークカジノ 抽選会の出現により、この状況は変わりました，"正確な物理モデルがない場合でも，ステークカジノ 抽選会は「データ駆動型」アプローチを通じて実現可能，物理的または生物学的現象を目的の出力に直接マッピング。この「ブラック ボックス」特性により、ステークカジノ 抽選会に非常に高い応用可能性が与えられます，しかし、モデルの解釈可能性と制御可能性も制限されます，こうして両刃の剣の性質を示している。”

「干し草の山から針を見つける」から「適切な薬を処方する」まで

タイトルが NMDA 受容体サブタイプ GluN1/GluN3A である理由?記者はインタビューから学びました，NMDA 受容体は神経疾患の一般的な薬物標的である，脳卒中あり、うつ病、てんかん、アルツハイマー病、痛みとその他の関連疾患。この受容体サブタイプ GluN1/GluN3A はまだ広く開発されていません，そのタンパク質構造と小ステークカジノ 抽選会モジュレーターに関する情報はほとんどありません。

レセプターをドアロックに例えると，では、薬物ステークカジノ 抽選会がドアのロックを解除する鍵となる。鍵穴の形が分からないまま鍵を探す，非常に難しい。

コンテストの問題作成者の紹介，研究者は通常、薬物ステークカジノ 抽選会をスクリーニングするためにハイスループットの生物学的実験を使用してきました，このプロセスは干し草の山から針を見つけるようなもの。

計算生物学は、シミュレーションと計算を通じてこのプロセスを高速化できます。簡単に言うと，計算生物学は、コンピューター技術を使用して生物学を研究する学際的な主題です，現在、深層学習などの人工知能技術により、まず「ドライ実験」(計算シミュレーション)を通じて、多数の化合物から潜在的な薬物ステークカジノ 抽選会をスクリーニングすることができます，大幅に縮小された生物学的「湿式実験」(生物学的実験)の範囲に相当。

「薬物ステークカジノ 抽選会は生物学的機能を発揮する必要がある」，変化可能な独自の三次元立体構造と密接な関係があり、薬効情報が含まれている。私たちが開発した人工知能モデル GeminiMol，対照学習を通じて構造空間情報をステークカジノ 抽選会表現に組み込む。従来のステークカジノ 抽選会特性評価法との比較，この方法により、モデルの表現能力と予測精度が大幅に向上します。」と今回一等賞を獲得した GeminiMol チームのメンバー、Wang Shihang 氏は言いました，チームは最初にいくつかの既知の活性ステークカジノ 抽選会を調査しました，次に、コンテスト主催者が提供するステークカジノ 抽選会ライブラリー内の既知の活性ステークカジノ 抽選会と非常に類似した三次元薬力学立体構造を検索します、二次元化合物とは異なる構造を持つ新しいステークカジノ 抽選会。

王世航は言った，チームによってスクリーニングされた薬物ステークカジノ 抽選会，NMDA 受容体サブタイプ GluN1/GluN3A に対する活性は 0.98 マイクロモル，この指標の意味は、薬の効果を発揮するために必要な用量です，値が小さいほど良い。

薬物ステークカジノ 抽選会をスクリーニングするためのモデルを作成する方法

二次元構造はステークカジノ 抽選会データ生成の出発点です，立体構造空間は、自然状態におけるステークカジノ 抽選会の可能な動的形態をさらに反映します。2 つの化合物が構造空間において非常に類似している場合，それらは同じ病気の標的に作用する可能性があります，同様の薬効がある。

GeminiMol チームメンバーの Wang Lin による紹介，現在のステークカジノ 抽選会類似性評価ツールを改善する必要がある理由，ステークカジノ 抽選会の二次元構造のみに焦点を当てていることが多いため、「人々が挨拶するのと同じように，握手するのと拳を握るのは全く意味が違う，ジェスチャーが異なれば、効果も異なります，薬物ステークカジノ 抽選会の空間構造もその有効性を決定します。”

人工知能の学習能力は人間の経験を信頼できるモデルに変えることができます。王林は言った，チームはまず、ステークカジノ 抽選会の立体構造空間のサンプリングに多くの時間を費やしました，そしてそれを人工知能モデルに与えて学習させます。さらに，チームは、ステークカジノ 抽選会間の構造空間の類似性を計算することにより、一連の説明記号を作成しました，記述的な記号データからステークカジノ 抽選会の類似性を評価する能力をモデルに学習させます。

高速，人工知能モデルの利点の 1 つ。このコンテストを例にしてみましょう，1,800 万個の化合物ステークカジノ 抽選会に直面する，GeminiMol モデルは 30 分以内にスクリーニング評価を完了しました。

審査中，人工知能モデルは「何百もの学派の長所を組み合わせる」こともできます。「より活性が高いことが知られている 2 つまたは 3 つのステークカジノ 抽選会を同時に利用することができます，このようにして得られた新しいステークカジノ 抽選会は、既知のすべての活性ステークカジノ 抽選会の薬力学的特性または構造情報を備えている可能性があります。"王林は言いました。

GeminiMol チームのインストラクター、上海理工大学の研究者バイファン氏はこう言った，計算生物学は数十年にわたる発展を経験しました，ハードウェアからアルゴリズムまで大きな進歩が見られました。ハードウェア，ステークカジノ 抽選会チップ、計算生物学用に特別に設計された高性能コンピューターでコンピューティング サポートを提供します;アルゴリズム，ステークカジノ 抽選会の第 3 波が機械学習に飛躍をもたらす，深層学習などの高度なアルゴリズムは、計算生物学の予測能力を向上させるだけではありません，新しいものを生み出す可能性も与えます。

ステークカジノ 抽選会が医薬品設計における新しいパラダイムを促進する

「ステークカジノ 抽選会が医薬品設計を可能にする大きな余地がある，未来はより良く発展するでしょう。"百坊の紹介，現在のステークカジノ 抽選会モデルは全能ではありません，それがもたらす変化はまだ始まったばかりです，医薬品設計タスクの多くは、物理モデルに基づくコンピューター支援医薬品設計法の支援も必要とします。

バイオ医薬品の問題は通常、非常に複雑な超高次元の問題です，しかし、現在のステークカジノ 抽選会実験データの量は非常に限られています，品質はさまざまです，データを揃えるのは難しい。「これらの高次元データの課題に直面する，科学的問題の次元を減らすために物理モデルを使用する必要があることがよくあります，問題を単純化し、必要なデータ量を減らすため。"バイファンは言いました，これは一時的な措置です，データ量への依存は減りますが，しかし、精度を高めるためには代償も必要です。

医薬品設計の 2 つのルートを例に挙げます，1 つは、薬力学的活性を持つステークカジノ 抽選会を参考にして、より良い薬力学的活性を持つ新しいステークカジノ 抽選会を設計することです，これはまさに GeminiMol チームの人工知能モデルのアイデアです，業界は広範囲に調査を行い、初期の結果を達成しました;もう 1 つは、標的構造に基づいて、それに適応して強く結合するステークカジノ 抽選会を設計するものです，人工知能はこれに関していくつかの試みを行っていますが，でもまだ成熟していない。ザイル，業界は、人工知能が高活性化合物を自動的に生成できるようにしたいと考えています，しかし、完全に新しい化合物を生成するのは多くの場合簡単ではありません，理想と現実の間には依然として技術的な障壁がある。

インタビュー対象者が言及しました，計算生物学の発展が示す，単一分野の知識と経験では、現在の科学研究の課題に対処するにはもはや十分ではありません。GeminiMolチームのメンバー、Tian Siyuan氏はこう言った，チームは主にステークカジノ 抽選会ツールの開発と応用を担当していますが，しかし、検証プロセスには生物学的実験が含まれます，これは、科学研究者が上流から下流までのすべてのリンクの知識をよりよく理解し、習得する必要があることを示しています。

百方控訴，人材育成に関して，できるだけ早く学際的な学習とプロジェクトの実践を実施する，「ステークカジノ 抽選会技術の継続的な発展に伴い」，学際性が一般的な傾向です，この学際的なコラボレーションと知識の融合，複雑な科学的問題を解決するための新しい視点と方法を提供します。”

(出典: 経済ステークカジノ 抽選会日報)