使用機(jī)器學(xué)習(xí)進(jìn)行藥物開(kāi)發(fā)的挑戰(zhàn)之一是為計(jì)算機(jī)創(chuàng)建一個(gè)過(guò)程，以從一組數(shù)據(jù)點(diǎn)中提取所需的信息。藥物科學(xué)家必須提取生物學(xué)數(shù)據(jù)并訓(xùn)練軟件，以了解典型的人體將如何與結(jié)合在一起的藥物相互作用而形成藥物。

普渡大學(xué)的藥物發(fā)現(xiàn)研究人員創(chuàng)建了一個(gè)新的框架，用于挖掘用于訓(xùn)練機(jī)器學(xué)習(xí)模型的數(shù)據(jù)。這個(gè)名為檸檬的框架可幫助藥物研究人員更好地挖掘蛋白質(zhì)數(shù)據(jù)庫(kù)(PDB)，該數(shù)據(jù)庫(kù)是一種綜合資源，具有超過(guò)140,000個(gè)生物分子結(jié)構(gòu)，并且每周都會(huì)發(fā)布新的結(jié)構(gòu)。這項(xiàng)工作發(fā)表在10月15日的生物信息學(xué)上。

普渡大學(xué)理學(xué)院分析和物理化學(xué)助理教授高拉夫·喬普拉(Gaurav Chopra)說(shuō)：“ PDB是藥物發(fā)現(xiàn)界必不可少的工具。“問(wèn)題在于，整理所有累積的數(shù)據(jù)可能要花費(fèi)大量時(shí)間。機(jī)器學(xué)習(xí)可以提供幫助，但是您仍然需要一個(gè)強(qiáng)大的框架，計(jì)算機(jī)可以從中快速分析數(shù)據(jù)以幫助創(chuàng)建安全有效的框架。。”

Lemon軟件平臺(tái)是帶有Python綁定的快速C ++ 11庫(kù)，可在數(shù)分鐘內(nèi)挖掘PDB。在PDB中加載所有傳統(tǒng)的mmCIF文件大約需要290分鐘，但是，在8核計(jì)算機(jī)上應(yīng)用簡(jiǎn)單的工作流程時(shí)，Lemon大約需要6分鐘。Lemon允許用戶編寫(xiě)自定義功能，將其包括在其軟件套件中，并以標(biāo)準(zhǔn)方式開(kāi)發(fā)自定義功能，從而為整個(gè)科學(xué)界生成獨(dú)特的基準(zhǔn)測(cè)試數(shù)據(jù)集。

“在PDB中存放的實(shí)驗(yàn)結(jié)構(gòu)為結(jié)構(gòu)和計(jì)算生物學(xué)的科學(xué)和教育界帶來(lái)了許多進(jìn)步，有助于推動(dòng)藥物開(kāi)發(fā)和其他領(lǐng)域的發(fā)展，” Jonathan Fine博士說(shuō)。與Chopra合作開(kāi)發(fā)平臺(tái)的化學(xué)專業(yè)學(xué)生。“我們創(chuàng)建了Lemon作為一站式商店，可以快速挖掘整個(gè)數(shù)據(jù)庫(kù)并提取對(duì)開(kāi)發(fā)藥物至關(guān)重要的有用的生物學(xué)信息。”

Lemon之所以得名，是因?yàn)樗畛踔荚跒樗幬镌O(shè)計(jì)軟件創(chuàng)建基準(zhǔn)測(cè)試集，并在PDB中識(shí)別檸檬，無(wú)法很好建模的生物分子相互作用。