如果我們在分子層面上更深入地了解癌癥，就能學(xué)會更有效地治療癌癥。

　　IBM 已向開源社區(qū)發(fā)布了旨在克服治愈癌癥這個挑戰(zhàn)的三個 AI 項目。

　　在本月晚些時候?qū)⒃谌鹗颗e行的第 18 屆歐洲計算生物學(xué)大會（ECCB）和第 27 屆分子生物學(xué)智能系統(tǒng)大會（ISMB）上，這個技術(shù)巨頭將深入探討每一個項目如何促進我們對于癌癥及治療方法的了解。

　　據(jù)估計，單單癌癥在 2018 年就奪去了 960 萬條生命，同年報告的新病例估計多達 1800 萬例。

　　遺傳傾向性以及環(huán)境因素（包括污染、吸煙和飲食）都被認(rèn)為是加大人們患癌癥的可能性的因素；雖然我們可以治療多種癌癥，但還有很多地方有待研究。

　　位于蘇黎世的 IBM 計算系統(tǒng)生物學(xué)小組的研究人員致力于研究 AI 和機器學(xué)習(xí)方法，以“幫助我們加快了解這些復(fù)雜疾病的主要誘因和分子機制”，并研究提高我們對腫瘤構(gòu)成的認(rèn)識的方法。

　　IBM 稱：“我們的目標(biāo)是加深對癌癥的了解，讓諸多行業(yè)和學(xué)術(shù)界掌握可能有一天有助于推動新治療和新療法的知識。”

　　第一個項目名為 PaccMann（切勿與流行的 Pac-Man 計算機游戲混為一談），聲稱可以“利用基于注意力的多模式神經(jīng)網(wǎng)絡(luò)來預(yù)測抗癌化合物的敏感性。”

　　單單研制一種抗癌藥可能就要耗資數(shù)百萬美元，財力上的這種限制會使我們研發(fā)新藥物和新療法的項目推遲或泡湯。

　　IBM 正致力于開發(fā) PaccMann 算法，以自動分析化合物，并預(yù)測哪些化合物最有可能對抗癌癥菌株，這可能有望簡化這個過程。

　　機器學(xué)習(xí)算法利用基因表達方面的數(shù)據(jù)和化合物的分子結(jié)構(gòu)。IBM 稱，通過更早地識別潛在的抗癌化合物，這可以降低與藥物開發(fā)有關(guān)的成本。

　　第二個項目名為“Interaction Network infErence from vectoR representATions of words”（簡稱 INtERAcT）。這個工具特別值得關(guān)注，因為它可以從與我們對癌癥的了解有關(guān)的有價值的科學(xué)文獻中自動提取數(shù)據(jù)。

　　每年癌癥研究領(lǐng)域發(fā)表的論文大約有 17000 篇，就算并非沒有可能，研究人員至少很難跟得上我們在理解能力上邁出的每一小步。

　　INtERAcT 旨在通過自動從這些論文中提取信息，為研究的學(xué)術(shù)方面減輕負擔(dān)。目前，該工具正接在受測試，用來提取與蛋白質(zhì)-蛋白質(zhì)相互作用有關(guān)的數(shù)據(jù)——蛋白質(zhì)-蛋白質(zhì)的相互作用已被認(rèn)為是包括癌癥在內(nèi)的多種疾病中生物過程受到擾亂的潛在原因。

　　IBM 稱：“INtERAcT 的一個特殊的優(yōu)勢在于，它能夠結(jié)合某種疾病的環(huán)境來推斷相互作用。通過與健康組織中的正常相互作用進行一番比較，可能有助于深入了解疾病機制。”

　　第三個也是最后一個項目是“路徑誘導(dǎo)的多核學(xué)習(xí)”（即 PIMKL）。該算法利用描述我們目前在分子相互作用方面所知道的情況的數(shù)據(jù)集，以便預(yù)測癌癥的進展和患者的潛在復(fù)發(fā)。

　　PIMKL 使用所謂的多核學(xué)習(xí)來識別對于患者分門別類而言至關(guān)重要的分子路徑，從而為醫(yī)療保健專業(yè)人員提供個性化和定制治療方案的機會。

　　PaccMann 和 INtERAcT 的代碼已經(jīng)發(fā)布，可以在這兩個項目的官網(wǎng)上找到。PIMKL 已部署在 IBM 云上，源代碼也已發(fā)布。

　　每個項目都是開源的，現(xiàn)已開放供公眾使用。IBM 希望通過向其他研究人員和學(xué)者提供源代碼，科學(xué)界可以最大限度地發(fā)揮其潛在的影響。

總結(jié)

以上是生活随笔為你收集整理的IBM 将三个抗癌药 AI 项目捐献给开源社区的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。