国产欧美日韩国产欧美日,日韩国产欧美激情在线视频,久久久久久久久久久亚洲,手机看片免费的1024

香港，上海，2021年6月21日 － 中國平安保險（集團）股份有限公司（以下簡稱「中國平安」 或「集團」，股份代碼：香港聯(lián)合交易所 2318，上海證券交易所 601318）宣佈，平安醫(yī)療科技研究院聯(lián)合清華大學進行研究，為藥物開發(fā)提供一套極具潛力的深度學習框架。
 
是次研究成果於同行評審的生物信息學期刊《生物信息學簡報》（Briefings in Bioinformatics）上發(fā)表，標題為「用於學習藥物開發(fā)的全球分子表徵的有效自我監(jiān)督框架」（“An effective self-supervised framework for learning expressive molecular global representations to drug discovery”）。該項成果標誌著中國平安在人工智能驅(qū)動的藥物研究領域取得重大技術突破。
 
藥物開發(fā)從發(fā)明至推出市場費時10至15年，其間需進行多次實驗，成本及失敗率非常高。在臨床前研究當中，由電腦輔助的分子設計藥物研發(fā)雖有助改進過程，但傳統(tǒng)的方法仍然昂貴且耗時。各類人工智能科技在藥物研發(fā)的不同領域，包括分子藥物設計、藥物相互作用和藥物標靶相互作用預測，均展現(xiàn)卓越的速度和表現(xiàn)。然而，由於用作訓練的標記數(shù)據(jù)有限，分子建模一直是一項挑戰(zhàn)。
 
圖神經(jīng)網(wǎng)絡（Graph neural networks, GNN）已經(jīng)成為一個強大的分子數(shù)據(jù)建模工具，可利用未標記的數(shù)據(jù)對模型進行預訓練，而無需依賴標記數(shù)據(jù)。中國平安的研究提出了一套名為MPG的創(chuàng)新深度學習框架，可以在海量未標記分子之中學習分子表徵，並構建一個名為MolGNet的強大圖神經(jīng)網(wǎng)絡，用以描繪分子建模圖。
 
中國平安的研究還提出了一種名為Pairwise Half-graph Discrimination的圖神經(jīng)網(wǎng)絡的預訓練技術，發(fā)表在同行評審的人工智能領域國際頂級會議IJCAI 2021。經(jīng)過對 1,100 萬個未標記的分子進行預訓練後，研究小組發(fā)現(xiàn)MolGNet可以從中找到有意義的分子模式以提供可解讀的表徵。實驗結果顯示，MPG在多項藥物開發(fā)任務中的表現(xiàn)最傑出，在大規(guī)模分子數(shù)據(jù)集實現(xiàn)對圖表層面進行自監(jiān)督學習領域踏出重要的第一步。
 
目前，該技術正被中國平安與日本研究型製藥公司鹽野義製藥（Shionogi & Co., Ltd.）所成立的合資公司平安鹽野義應用於新藥開發(fā)和藥物的重新定向。