最近一项研究中，加州大学里弗赛德分校的科学家使用机器学习来识别数百种可能有助于治疗COVID-19的新药。
负责这项研究的分子细胞和系统生物学教授Anandasankar Ray说：“鉴于目前迫切需要找到治疗或预防COVID-19的有效药物。我们已经开发了一种药物发现管线，可以识别出多种候选药物。”
药物发现流程是与人工智能相关的一种计算策略，这是一种计算机算法，可以通过反复试验来预测活动，并随着时间的流逝而不断改进。
研究生Joel Kowalewski使用了少量先前已知的65种人类蛋白质配体，并且为每种人类蛋白质生成了机器学习模型。这些配体已知会与SARS-CoV-2蛋白质发生相互作用。Kowalewski说：“这些模型经过训练，可以从其3-D结构中识别出新的小分子抑制剂和活化剂。”
Kowalewski说：“ 65种蛋白质的靶标非常多样化，并且还涉及许多其他疾病，包括癌症。除了针对这些目标而进行的努力外，我们还对确定目前尚未得到充分研究的新型化学物质感兴趣。”
Ray和Kowalewski使用他们的机器学习模型从2亿种化学物质的数据库中筛选出超过1000万种可商购的小分子，并确定了与SARS-CoV-2蛋白质相互作用的65种人类蛋白质的同类最佳产品。
Ray和Kowalewski认为，与传统的依赖细胞培养的测定方法相比，其昂贵的方法且可能需要数年的测试时间，因此它们用于大量化学物质初步筛选的计算策略具有优势。“我们的数据库可作为一种资源，用于快速识别和测试针对COVID-19和其他与相同65种靶蛋白有关的其他疾病的新颖，安全的治疗策略。” “虽然COVID-19疫情是我们开发这一筛选平台的最初动力，但我们希望我们对超过1000万种化学药品的预测将在与许多其他疾病的斗争中加速药物研发。”
