未来的药物可能是由计算机发现的。12月23日发表在《细胞系统》(Cell Systems)杂志上的一项概念验证研究表明，只要输入有关传染性酵母菌的正确数据，机器算法就可以学会识别现有和以前未知的化合物的组合，这些化合物可以作为抗真菌剂共同发挥作用。虽然这种方法还有待完善，但它是一种对抗传染病的新方法，有可能快速识别可能有助于克服耐药性的药物组合。
我们还不知道新发现的化学组合在治疗动物或人类酵母菌感染方面的效果如何，但研究小组确实选择了18种潜在的组合来治疗实验室培养皿中的人类致病性酵母菌，它们的高成功率证实了这些组合在药物开发方面具有潜力。值得注意的是，一些化合物组合在应用于人类细胞系时是无害的。
“我们的研究说明了使用酵母等相对简单(但仍然非常复杂)的模型来更好地理解化学物质和药物如何与生物系统相互作用的力量，”蒙特尔萨大学系统生物学教授、资深作者迈克·泰尔斯说。“这些概念肯定可以应用于更复杂的人类健康问题。”
教机器
现在，许多研究领域都在使用机器学习来寻找复杂数据集中的模式;例如，在网络图像的模式识别或在机器人控制系统。
“这一趋势最近在生物科学领域爆发，越来越多的机器学习被用来帮助研究人员理解庞大的基因组规模的数据集，”爱丁堡大学的系统开发人员Jan Wildenhain说。“生物数据的数量已经变得过于庞大和复杂，无法仅凭人类的直觉来处理。”
研究人员对机器学习算法的第一次尝试是用酿酒酵母(酿酒酵母)进行的，因为它是唯一一种已经绘制出遗传网络的酵母。因此，尽管耐药细菌是目前普遍存在的公共卫生问题，但模型酵母系统为这类研究提供了更大、更有信息的数据集。
研究人员首先输入从几十年的酵母研究中获得的遗传信息(即，一组精选的195个基因不同的菌株)，以及这些菌株在化学筛选中的遗传反应(使用一组不同的4915种化合物)，这样计算机就可以建立化学-基因相互作用的模型。然而，这些信息还不够，而且最初的算法预测能力较弱。
麦克马斯特大学(McMaster University)博士后、共同第一作者米凯拉·斯皮策(Michaela Spitzer)说:“这是最初的巨大失望，让我们不得不重新开始。”“我们知道，化学结构和细胞的遗传网络必须与我们在实验中检测到的化学协同作用有关，但如何从数十万个数据点中反卷积这些关系并不明显。我们最终不得不根据训练数据集多次修改我们的模型，然后在模型从未遇到过的不同复合库上测试模型。”
ChemGRID资源
这些算法在1221种独特的化合物上进行了训练，这些化合物被用来创建和实验测试8128种实际组合。所有的研究数据都可以在一个名为ChemGRID的数据库中无限制地下载和探索。
斯皮策和威尔登海恩说:“我们希望其他团队能测试我们的模型，就像我们肯定会继续做的那样，也许有人会提出更好的模型。”“将我们的机器学习方法应用于完全不同的数据集，进行协同预测，这将是一件很棒的事情。”
除了与其他实验室合作外，该小组还计划利用CRISPR/Cas9基因编辑技术，在人类细胞中实现类似的化学-基因相互作用的机器学习方法。通过收集这些数据，他们有可能创建一种算法，预测区分健康细胞和不健康细胞(例如癌细胞)的化学组合。
