研究总体框架。图片来源：《自然-通讯》在线版

　　《自然-通讯》10月31日发表的一篇论文报道了一种机器学习模型，该模型能部分重现职业化学家在工作中积累的集体知识，这类知识通常被称为“化学直觉”。研究团队认为，该研究或使今后的药物研发更高效。

　　传统上，药物与化学发现需要依靠试错实验和研究人员在工作中积累的知识。使用模拟工具，尤其是机器学习，能让研究人员更快地发现候选分子，极大降低发现新药用化合物的成本。如果要用机器学习预测分子性质，分子就必须还原到数学表达，这通常包含一组性质或“特征”。确定正确特征是这些数据驱动性能预测模型成功的关键。

　　位于英国的微软研究院科学智能中心（AI4Science）和瑞士诺华生物医学研究所的联合团队，此次让35名医学化学家各自从5000对分子中选择自己更偏向的分子，再用他们的回答做成排序游戏来训练一个机器学习模型，随后让这个模型给分子打分。这个分数来自行业内多年的知识积累，基本不受其他因素的影响。

　　该团队提出的模型还能用来改变数学模型的推荐，从而更好地匹配化学家的集体专业知识，有望在今后早期药物研发中缩短迭代时间。

　　研究人员认为，这种方法或能在药物研发中作为对分子建模的补充。