机器学习是许多生物学家用来分析大量数据以帮助他们识别潜在新药的一种计算工具。麻省理工学院的研究人员现在为这些类型的机器学习算法添加了一项新功能，以提高其预测能力。使用这种新方法，计算机模型可以解释其分析数据的不确定性。麻省理工学院的研究小组发现了几种有前途的化合物，这些化合物靶向引起结核病的细菌所需的蛋白质。 。该方法以前已被计算机科学家使用，但尚未在生物学中应用，并且可能在蛋白质设计和许多其他生物学领域中也很有用。麻省理工学院计算机科学与人工智能实验室（CSAIL）计算与生物学小组负责人西蒙斯（Simmons）教授说。 “这项技术是机器学习的一个已知子领域的一部分，但人们尚未将其引入生物学。”伯杰说。 “这是范式的转变，绝对是一种生物探索的方式。” Berger和Bryan Bryson是麻省理工学院生物工程学的助理教授，也是MGH，MIT和哈佛大学拉根研究所的成员。他们负责这项研究。高级作者。单元系统。麻省理工学院的研究生BrianHie是该论文的主要作者。更好的预测性机器学习是一种计算机建模，其中算法学习基于已看到的数据进行预测。近年来，生物学家已开始使用机器学习来搜索潜在药物化合物的庞大数据库，以发现与特定靶标相互作用的分子。该方法的局限性在于，当他们分析的数据与他们所训练的数据相似时，这些算法表现良好，但是它们却无法很好地评估与已经看到的分子截然不同的分子。 。为了克服这个问题，研究人员使用了一种称为高斯过程的技术来为训练算法的数据分配不确定性值。这样，当模型分析训练数据时，它们还将考虑这些预测的可靠性。例如，如果输入模型的数据预测了特定分子与靶蛋白的结合程度以及这些预测的不确定性，则该模型可以使用此信息来预测蛋白质-靶标相互作用，这是以前从未见过的。的。该模型还估计其自身预测的确定性。分析新数据时，对于与训练数据有很大差异的分子，模型的预测可能不确定。研究人员可以使用此信息来帮助他们确定要在实验中测试的分子。该方法的另一个优点是该算法仅需要少量的训练数据。在这项研究中，麻省理工学院的研究小组使用了72个小分子及其与400多种蛋白质（称为蛋白激酶）的相互作用来训练模型。然后，他们能够使用此算法来分析将近11,000个小分子，这些小分子是从锌数据库中提取的，锌数据库是一个包含数百万种化合物的公开存储库。这些分子中的许多分子与训练数据中的分子有很大不同。使用这种方法，研究人员可以鉴定与所添加的蛋白激酶具有非常强结合亲和力的分子。这些包括三种人类激酶和一种在结核分枝杆菌中发现的激酶。这种激酶PknB是细菌存活的关键，但它不是任何一线结核抗生素的靶标。研究人员随后通过实验测试了他们最成功的观点，以了解它们与目标的结合程度，并发现模型的预测非常准确。该模型给出的最确定的分子中，约有90％被证明是真正的命中-远高于现有的药物筛选机器学习模型的30％至40％的命中率。研究人员还使用相同的训练数据来训练不包含不确定性的传统机器学习算法，然后要求其分析包含11,000个分子的相同库。他说：“在没有不确定性的情况下，该模型将变得非常混乱。它提出了与激酶相互作用的非常奇怪的化学结构。然后，研究人员选择了一些最有前途的PknB抑制剂并对其进行了测试。他们在细菌培养基中培养了结核分枝杆菌，发现它们抑制了细菌的生长。这些抑制剂还可以在感染细菌的人类免疫细胞中发挥作用。一个好的起点这种方法的另一个重要元素是，一旦研究人员获得了额外的实验数据，他们就可以将其添加到模型中并对其进行重新训练以进一步改善预测。研究人员说，即使是少量的数据也可以帮助