?? 作者：韓信子@ShowMeAI
?? 機器學習實戰系列：https://www.showmeai.tech/tutorials/41
?? 深度學習實戰系列：https://www.showmeai.tech/tutorials/42
?? 本文地址：https://www.showmeai.tech/article-detail/329
?? 宣告：著作權所有，轉載請聯系平臺與作者并注明出處
?? 收藏ShowMeAI查看更多精彩內容
?? 引言&背景
?? AI + 新藥研發
人工智能作為一種新興技術，是新藥研發實作降本增效的重要方式之一，『人工智能+新藥研發』成為國內外醫藥企業加速創新轉型的重要驅動力，一個更快、更便宜、更有效的新藥物研發時代已經到來，
一款新藥從確認研發目標到完成臨床試驗，往往需要耗費數年時間和數十億美元，并伴隨著超過 90% 的失敗概率，高昂的研發成本、漫長的研發周期、高風險低回報率的特性，籠罩在藥物研發領域，而正在探索的各種 AI 應用，可以幫助解決這些挑戰，
??最近發表的一項分析表明，150 多種小分子藥物處于研發階段，超過 15 種藥物已經在臨床試驗中，這條 AI 生物技術賽道以每年近 40% 的速度急速擴張種，為追趕這波浪潮，制藥公司正在建立自己的內部人工智能團隊，或與 IT 公司、AI新藥研發創新公司進行投資和合作，
?? AI 藥物分子結構分析/檢索
利用 AI 進行藥物化合物分子結構分析和檢索等，是一個助力新藥研發的可行思路，Zilliz 公司與全球頂尖制藥研發企業共同開發的『MolSearch』化合物分子結構分析軟體是一個典型的例子，本篇咱們就一起來了解下這個程序是如何完成的，
?? 向量搜索 & 醫療研發領域的應用
在萬物皆可 embedding 的深度學習時代，『特征向量表征+向量檢索』有巨大作用，在很多資料和業務領域都發揮了巨大作用，例如機器視覺（圖片視頻檢索)、自然語言處理（文本檢索、問答）、語音識別等，同樣的思路也可以用在醫療醫藥領域，
?? 藥物晶型預測
比如新藥研發程序藥物晶型預測，可以結合影像識別和檢索的思路，有效地預測出合適的藥物晶型，
?? 靶點篩選與患者招募
比如靶點篩選和患者招募程序，可以抽象為對文本語意分析問題，可以結合 NLP 表征與檢索方法，快速分析有關藥物研發的文本資料等，
?? 虛擬藥物篩選
AI 可以在新藥研發程序中發揮巨大作用的另一個步驟是『虛擬藥物篩選』，通過模擬藥物篩選的程序，預測化合物可能的活性，對比較有可能成為藥物的化合物進行針對性的物體篩選，這個程序可以大大降低藥物研發的時間和經濟成本，
有不少傳統方法方案在嘗試，但受限于演算法和算力，對千萬級別的化合物分子進行相似性、子結構、超結構等分析時，耗時較長（分鐘級別），而在AI向量檢索技術優化后，能大大加速這個程序（對十億級的化學式資料極速分析，僅秒級別），
?? MolSearch 新藥結構篩選
Zilliz 公司基于 Milvus 向量相似度檢索引擎，研發了化合物分析軟體 ??MolSearch，大家可以在 ??這里 查看中文說明，
藥物化學專家通常根據骨架躍遷對分子模塊進行優化，并基于它設計出新藥結構并做后續篩選，針對海量化合物的虛擬篩選是非常核心關鍵的一部，其效果很大程度決定了后期小白鼠實驗以及臨床試驗能否成功，候選底庫量級越大，篩選準確率越高，新藥研發成功的概率也相應越高，
MolSearch 系統集成向量相似度檢索引擎 Milvus ，構建分子檢索功能，可以實作十億級的化學分子結構秒級檢索分析能力，
?? MolSearch 效果&性能
目前 MolSearch 中集成了 8.2 億 zinc 開放化學式分子式資料集，這些化學式被轉換為 2048 位的化學指紋（特征向量），在有表征特征向量之后，借助于高效向量檢索引擎，可以實作對分子結構的相似性、子結構和超結構檢索，
MolSearch 端到端的檢索性能資料如圖所示（圖中『回應時間(p99)』表示 99% 的檢索能在多少時間完成），
?? AI 新藥研發輔助系統
?? 篩選流程 & 核心步驟
詳細展開 MolSearch 的虛擬化合物篩選技術如下圖所示，包含以下步驟：
- ① 通過 ??RDKit 工具將化合物分子的化學式轉換為化學式指紋/Chemical Fingerprint（也即表征特征向量），
- ② 通過向量檢索引擎，對化合物分子之間關系分析：子結構檢索、相似性檢索、重復結構檢索，
?? 化學指紋生成
化學指紋通常用來做結構檢索和相似度檢索，如下圖所示，最終的指紋向量表征為01串，每一位(0/1)代表化學結構中例如指定元素，分子片段等是否存在，
MolSearch 中這個環節使用了工具 RDKit ，它會生成 RDKit fingerprint，底層的演算法原始是：分析從一個原子開始直至到達指定數量鍵的路徑（path，通常為線性）上所有的分子片段，然后對每一個路徑進行哈希（hash）產生指紋（fingerprint），
上圖展示了從NH2（已圈出）開始一直到 6 個長度的所有路徑，然后將每個路徑 hash 映射為二進制位，
圖例是一個單個起始原子出發的片段和位元位，最終的完整指紋生成，是對分子中的每個原子進行這個操作后的結果，可以指定 fpSize 調整生成的向量維度，這個程序對于每個分子都適用，我們把最終生成的向量匯入 Milvus 以實作后續檢索，完整的指紋向量生成程序示例代碼如下：
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)
?? 化合物檢索
我們將生成的指紋向量匯入 Milvus，即可應用不同計算方式完成對化合物的『相似度檢索』、『子結構檢索』和『超結構檢索』，示例代碼如下：
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={})
- 相似度檢索，用于尋找與輸入的參考分子比較相似的分子，
- 子結構檢索，檢測一個分子結構是否為另一個分子的子結構，
- 超結構檢索，檢測一個分子結構是否為另一個分子的超結構，
?? 指紋距離度量與相似度計算
Milvus工具本身支持各種常用相似度計算指標，包括『歐氏距離』、『內積』、『漢明距離』和『Jaccard距離』等，因為指紋是二值型資料向量，我們可以選擇 Jaccard/Substructure(子結構)/Superstructure(超結構) 距離計算相似度，我們定義以下表示：
根據以上定義，化學式指紋之間的距離和相似度度量計算，可以如下表中描述來計算：
參考資料
- ?? AI in small-molecule drug discovery: a coming wave?：(https://www.nature.com/articles/d41573-022-00025-1
- ?? MolSearch 官方 GitHub：https://github.com/zilliztech/MolSearch
- ?? MolSearch 中文說明：https://github.com/zilliztech/MolSearch/blob/master/CN_README.md
- ?? RDKit：https://www.rdkit.org/
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/534167.html
標籤：其他