2020年4月10日
科学家和工程师们正致力于开发与我们的身体兼容的电子设备:想想那些能在脑损伤后帮助神经元重新连接在一起的材料，或者可以很容易被身体吸收的诊断工具。欧洲杯足球竞彩
一个被称为偶联寡肽的自组装肽家族，已经显示出成为下一代电子生物相容材料的基础的希望。欧洲杯足球竞彩但是，要确定正确的分子序列来创建最佳的自组装纳米结构，需要测试数千种可能性，每一种都需要在实验室中进行大约一个月的测试。
Assoc。安德鲁·弗格森教授和他的合作者通过开发机器学习工具加快了这一进程，这些工具可以筛选最佳候选人。通过筛选8000个自组装的候选肽，该团队能够对每个设计进行排名。这为实验人员测试最有希望的候选人铺平了道路。
研究结果发表在该杂志上期刊。化学。B。这篇论文还被选为ACS编辑的选择，该选择为公众提供免费访问对全球科学界重要的新研究，并成为期刊封面的特写。
通过了解数据科学、材料科学和分子科学，我们能欧洲杯线上买球够找到一种创新的方欧洲杯足球竞彩法来筛选新的可能的候选人。这篇论文被选为ACS编辑选择的事实表明，人工智能与领域科学的耦合有很多兴趣。欧洲杯线上买球这是物理化学界广泛关注的一个重要问题。”
Assoc。Andrew Ferguson教授
为实验人员排名缩氨酸
为了帮助找到最佳候选基因，Ferguson和研究生Kirill Shmilovich使用机器学习和分子模拟筛选了一个p-共轭寡肽家族。如果研究人员保持核心不变，只改变分子两侧的三个氨基酸，那么这套组合就包括8000个潜在的多肽。(两边的氨基酸是对称的——如果你改变一边的氨基酸，另一边的氨基酸也会改变。)
使用一种称为主动学习或贝叶斯优化的机器学习形式来指导分子模拟，他们能够在仅考虑186个肽序列后，构建可靠的数据驱动模型，了解肽序列如何影响其特性。
模型预测可以可靠地外推，以预测肽家族的其他部分的性质。这一过程还消除了人类的偏见，让人工智能发现了肽设计的特征，这些特征是研究人员之前没有考虑过的，实际上使他们成为更好的候选人。
然后，他们对每个肽进行排序，并将结果交给他们的实验合作者，后者将在实验室中测试最优秀的候选肽。下一步，他们希望扩展他们的系统，包括尝试不同的p共轭核，同时将新的实验数据传回环路，以进一步加强他们的模型。
他们还希望用这个机器学习系统来设计蛋白质，优化自组装胶体来制造原子晶体，甚至有一天把这些工具纳入一个自动驾驶实验室，在那里，人工智能可以获取数据，做出预测，进行实验，然后将数据反馈给模型——所有这些都无需人工干预。
Ferguson说:“这种方法在许多不同的领域都是有用的。”
来源:https://www.uchicago.edu/