我报名参与金石方案1期应战——瓜分10万奖池，这是我的第6篇文章，点击检查活动概况
- 作者：韩信子@ShowMeAI
- 机器学习实战系列：www.showmeai.tech/tutorials/4…
- 深度学习实战系列：www.showmeai.tech/tutorials/4…
- 本文地址：www.showmeai.tech/article-det…
- 声明：版权一切，转载请联系渠道与作者并注明出处
- 保藏ShowMeAI检查更多精彩内容
引言&背景
AI + 新药研制
人工智能作为一种新兴技能，是新药研制完成降本增效的重要方式之一，『人工智能+新药研制』成为国内外医药企业加快创新转型的重要驱动力，一个更快、更便宜、更有效的新药物研制年代已经到来。
一款新药从承认研制目标到完结临床试验，往往需要耗费数年时刻和数十亿美元，并伴随着超越 90% 的失利概率。昂扬的研制本钱、绵长的研制周期、高风险低回报率的特性，笼罩在药物研制范畴。而正在探究的各种 AI 使用，能够协助处理这些应战。
最近发表的一项剖析表明，150 多种小分子药物处于研制阶段，超越 15 种药物已经在临床试验中，这条 AI 生物技能赛道以每年近 40% 的速度急速扩张种。为追赶这波浪潮，制药公司正在树立自己的内部人工智能团队，或与 IT 公司、AI新药研制创新公司进行投资和协作。
AI 药物分子结构剖析/检索
使用 AI 进行药物化合物分子结构剖析和检索等，是一个助力新药研制的可行思路。Zilliz 公司与全球顶尖制药研制企业共同开发的『MolSearch』化合物分子结构剖析软件是一个典型的例子。本篇咱们就一起来了解下这个进程是如何完结的。
向量查找 & 医疗研制范畴的使用
在万物皆可 embedding 的深度学习年代，『特征向量表征+向量检索』有巨大作用，在很多数据和业务范畴都发挥了巨大作用，例如机器视觉（图片视频检索)、自然语言处理（文本检索、问答）、语音识别等。相同的思路也能够用在医疗医药范畴。
药物晶型猜测
比方新药研制进程药物晶型猜测，能够结合图像识别和检索的思路，有效地猜测出适宜的药物晶型。
靶点挑选与患者招募
比方靶点挑选和患者招募进程，能够抽象为对文本语义剖析问题，能够结合 NLP 表征与检索办法，快速剖析有关药物研制的文本数据等。
虚拟药物挑选
AI 能够在新药研制进程中发挥巨大作用的另一个进程是『虚拟药物挑选』，经过模拟药物挑选的进程，猜测化合物可能的活性，比照较有可能成为药物的化合物进行针对性的实体挑选，这个进程能够大大下降药物研制的时刻和经济本钱。
有不少传统办法方案在测验，但受限于算法和算力，对千万等级的化合物分子进行类似性、子结构、超结构等剖析时，耗时较长（分钟等级），而在AI向量检索技能优化后，能大大加快这个进程（对十亿级的化学式数据极速剖析，仅秒等级）。
MolSearch 新药结构挑选
Zilliz 公司根据 Milvus 向量类似度检索引擎，研制了化合物剖析软件 MolSearch，大家能够在 这儿 检查中文阐明。
药物化学专家一般根据骨架跃迁对分子模块进行优化，并根据它规划出新药结构并做后续挑选。针对海量化合物的虚拟挑选是非常中心关键的一部，其作用很大程度决定了后期小白鼠试验以及临床试验能否成功，候选底库量级越大，挑选准确率越高，新药研制成功的概率也相应越高。
MolSearch 体系集成向量类似度检索引擎 Milvus ，构建分子检索功能，能够完成十亿级的化学分子结构秒级检索剖析才能。
MolSearch 作用&功能
现在 MolSearch 中集成了 8.2 亿 zinc 敞开化学式分子式数据集，这些化学式被转换为 2048 位的化学指纹（特征向量），在有表征特征向量之后，借助于高效向量检索引擎，能够完成对分子结构的类似性、子结构和超结构检索。
MolSearch 端到端的检索功能数据如图所示（图中『呼应时刻(p99)』表明 99% 的检索能在多少时刻完结）。
AI 新药研制辅助体系
挑选流程 & 中心进程
具体展开 MolSearch 的虚拟化合物挑选技能如下图所示，包括以下进程：
- ① 经过 RDKit 东西将化合物分子的化学式转换为化学式指纹/Chemical Fingerprint（也即表征特征向量）。
- ② 经过向量检索引擎，对化合物分子之间联系剖析：子结构检索、类似性检索、重复结构检索。
化学指纹生成
化学指纹一般用来做结构检索和类似度检索，如下图所示，终究的指纹向量表征为01串，每一位(0/1)代表化学结构中例如指定元素，分子片段等是否存在。
MolSearch 中这个环节使用了东西 RDKit ，它会生成 RDKit fingerprint，底层的算法原始是：剖析从一个原子开端直至抵达指定数量键的途径（path，一般为线性）上一切的分子片段，然后对每一个途径进行哈希（hash）产生指纹（fingerprint）。
上图展现了从NH2（已圈出）开端一直到 6 个长度的一切途径，然后将每个途径 hash 映射为二进制位。
图例是一个单个开始原子动身的片段和比特位，终究的完好指纹生成，是对分子中的每个原子进行这个操作后的成果。能够指定 fpSize 调整生成的向量维度，这个进程对于每个分子都适用，咱们把终究生成的向量导入 Milvus 以完成后续检索，完好的指纹向量生成进程示例代码如下：
from rdkit import Chem
mols=Chem.MolFromSmiles(smiles)
fp=Chem.RDKFingerprint(mols,fpSize=VECTOR_DIMENSION)
bit_fp=DataStructs.BitVectToFPSText(fp)
vectors=bytes.fromhex(hex_fp)
化合物检索
咱们将生成的指纹向量导入 Milvus，即可使用不同核算方式完结对化合物的『类似度检索』、『子结构检索』和『超结构检索』。示例代码如下：
from milvus import *
milvus = Milvus()
milvus.insert(collection_name=MILVUS_TABLE, records=vectors)
milvus.search(collection_name=MILVUS_TABLE, query_records=query_list, top_k=topk, params={})
- 类似度检索。用于寻找与输入的参考分子比较类似的分子。
- 子结构检索。检测一个分子结构是否为另一个分子的子结构。
- 超结构检索。检测一个分子结构是否为另一个分子的超结构。
指纹间隔衡量与类似度核算
Milvus东西本身支撑各种常用类似度核算指标，包括『欧氏间隔』、『内积』、『汉明间隔』和『Jaccard间隔』等。因为指纹是二值型数据向量，咱们能够挑选 Jaccard/Substructure(子结构)/Superstructure(超结构) 间隔核算类似度。咱们界说以下表明：
根据以上界说，化学式指纹之间的间隔和类似度衡量核算，能够如下表中描述来核算：
参考资料
- AI in small-molecule drug discovery: a coming wave?：(https://www.nature.com/articles/d41573-022-00025-1
- MolSearch 官方 GitHub：github.com/zilliztech/…
- MolSearch 中文阐明：github.com/zilliztech/…
- RDKit：www.rdkit.org/
