新的加密系统可以让制药公司和学术实验室联合合作，更慢地研发新的药物,而会向竞争对手透漏任何机密数据。该计算出来系统的核心是一种称作神经网络的人工智能程序。AI研究哪些药物与人体内的各种蛋白质相互作用以预测新的药物蛋白质相互作用的信息。更好的培训数据产生了更聪明的人工智能，这在过去是一个挑战，因为药物开发人员一般来说会因知识产权问题而分享数据。

研究人员在10月19日的“科学”杂志上报告说道，新的系统容许人工智能将数据众包在，同时维持信息的私密性，从而希望合作伙伴减缓药物研发。确认新的药物蛋白质相互作用可以说明了各种疾病的潜在新疗法。或者它可以说明了药物否与非预期的蛋白质靶标相互作用，这有可能指出药物否有可能引发类似的副作用，匹兹堡大学的计算出来生物学家IvetBahar说道，他没参予这项工作。

在新的AI培训系统中，从研究组汇聚的数据在多个服务器之间展开分配，每个服务器的所有者看见的或许只是随机数。“这就是加密魔法再次发生的地方，”坐落于夏洛茨维尔的弗吉尼亚大学的计算机科学家大卫吴说道，他没参予这项工作。

虽然没个体参与者需要看见构成训练集的数百万种药物蛋白质相互作用，但是服务器可以联合用于该信息来教导神经网络来预测先前看不到的药物蛋白质人组的相互作用。“这项工作具备远见卓识，”伊利诺伊大学厄巴纳香槟分校的计算机科学家简鹏说道。“我指出它将为生物医学合作的未来奠下基础。

”麻省理工学院计算出来生物学家BonnieBerger及其同事BrianHie和HyunghoonCho通过在约140万个药物蛋白质对上训练神经网络来评估他们系统的准确性。这些对中的一半来自未知药物蛋白质相互作用的STITCH数据库;另一半包括不相互作用的药物蛋白质对。

当表明未知相互作用或不相互作用的新药物蛋白质对时，AI自由选择哪些组以95％的准确度相互作用。为了测试该系统否需要辨识目前为止不得而知的药物蛋白质相互作用，Berger团队随后在近200万个药物蛋白质对上训练神经网络：未知相互作用的整个STITCH数据集，以及完全相同数量的非相互作用对。

经过充份培训的人工智能建议展开了几次以前未曾报告或已报告但未在STITCH数据库中展开的对话。例如，AI检验了雌激素受体蛋白与研发用作化疗乳腺癌的药物（称作屈洛昔芬）之间的相互作用。神经网络还找到了白血病药物伊马替尼与蛋白质ErbB4之间从未见过的相互作用，该蛋白质被指出与有所不同类型的癌症有关。

研究人员证实这与实验室实验相互作用。该安全性计算出来网络还可以希望在药物研发之外的领域中的更好协作。

彭说道，医院可以共享机密身体健康记录，以培训预测患者肾功能或设计化疗策略的人工智能项目。“无论什么时候你想要研究大量的人的不道德，基因组学，医疗记录，法律记录，财务记录,任何对隐私脆弱的东西，这些技术都十分简单，”吴说道。

本文来源：皇冠最新crown官网-www.saicbus.cn