GraphBAN：通过人工智能使药物发现更快、更实惠

密歇根大学的研究人员开发了一种深度学习模型来预测复合蛋白相互作用。GraphBAN是一种基于归纳图的方法。该模型旨在临床前阶段发现新的候选药物。这意味着加快药物发现过程，使其更实惠

这项研究发表在《自然通讯》杂志上

数据科学家Hamid Hadipour说：“药物发现中一种经过验证的方法是找到在疾病中起关键作用或帮助有害微生物存活的蛋白质。如果我们能用正确的小分子靶向这些蛋白质，我们就可以破坏疾病过程。”

Hadipour与胡平钊博士一起概念化了这个想法并设计了算法。胡是UM Max Rady医学院的副教授

GraphBAN反映了化学、生物化学、微生物学和计算机科学之间强有力的跨学科合作。在Silvia Cardona博士的贡献和共同监督下，该项目得以实现。Cardona是微生物学系的教授和副主任研究生。她的实验室研究分子微生物学和微生物基因组学，所有这些都专注于抗生素的发现

Cardona告诉我们，我们将在科学预测中看到更多的人工智能预测，然后我们必须通过实验研究来证实。在某种程度上，人工智能不会取代实验研究，而是对其进行补充