豐色 發(fā)自 凹非寺
量子位 報(bào)道 | 公眾號(hào) QbitAI
AI制藥，讓“大海撈針”變成“按圖索驥”，研發(fā)時(shí)間一度從10年縮短到18個(gè)月！
而一個(gè)好的開(kāi)源平臺(tái)也是未來(lái)AI醫(yī)藥研發(fā)發(fā)展的關(guān)鍵之一。
現(xiàn)在，來(lái)自加拿大蒙特利爾學(xué)習(xí)算法研究所（Mila）的唐建團(tuán)隊(duì)，就推出了一個(gè)專(zhuān)門(mén)用于AI藥物研發(fā)的開(kāi)源機(jī)器學(xué)習(xí)平臺(tái)——TorchDrug。
研究人員可以在該平臺(tái)上免費(fèi)使用或貢獻(xiàn)AI藥研相關(guān)的算法、庫(kù)、軟件等工具。
唐建表示：
希望這個(gè)平臺(tái)能夠?qū)C(jī)器學(xué)習(xí)和生物醫(yī)學(xué)界的研究人員聚集在一起，加速新藥發(fā)現(xiàn)的過(guò)程，并在未來(lái)成為該領(lǐng)域一個(gè)領(lǐng)先的開(kāi)源平臺(tái)。
基于PyTorch的藥物研發(fā)原型設(shè)計(jì)平臺(tái)
TorchDrug涵蓋了從圖機(jī)器學(xué)習(xí) （圖神經(jīng)網(wǎng)絡(luò)、幾何深度學(xué)習(xí)和知識(shí)圖譜）、深度生成模型到強(qiáng)化學(xué)習(xí)的技術(shù)，基于PyTorch平臺(tái)。
提供了一個(gè)全面而靈活的接口來(lái)支持藥物發(fā)現(xiàn)模型的快速原型設(shè)計(jì)。
可以用來(lái)進(jìn)行成藥屬性預(yù)測(cè)、預(yù)訓(xùn)練分子表征、分子生成、逆合成以及知識(shí)圖譜推理，官方也提供了詳細(xì)的教程。
該平臺(tái)主要有四個(gè)特點(diǎn)：
- 最小化的領(lǐng)域知識(shí)
由于平臺(tái)主要面向?qū)τ卺t(yī)藥知識(shí)了解不全面的機(jī)器學(xué)習(xí)者，所以抽象了大量專(zhuān)業(yè)知識(shí)，提供了一個(gè)基于張量的接口。從而允許使用者用張量代數(shù)和機(jī)器學(xué)習(xí)方法來(lái)進(jìn)行醫(yī)藥開(kāi)發(fā)。
- 大量數(shù)據(jù)集和構(gòu)造塊（Building Blocks）
這樣無(wú)需編寫(xiě)樣板代碼就能很容易地實(shí)現(xiàn)標(biāo)準(zhǔn)模型。此外，構(gòu)建塊也具有高可擴(kuò)展性方便使用者自由探索模型設(shè)計(jì)。
- 全面的基準(zhǔn)測(cè)試
為了提供對(duì)流行的深度學(xué)習(xí)框架系統(tǒng)的比較，平臺(tái)已對(duì)現(xiàn)有的一些項(xiàng)目進(jìn)行了全面的基準(zhǔn)測(cè)試。測(cè)試結(jié)果也有望跟蹤新模型的進(jìn)展，激發(fā)新的研究方向（可在官網(wǎng)查看）。
- 可擴(kuò)展訓(xùn)練和推理
可擴(kuò)展的設(shè)計(jì)可加速在多個(gè)CPU或GPU之間的訓(xùn)練和推理。只需修改一行代碼，就能實(shí)現(xiàn)在CPU、GPU甚至分布式配置之間無(wú)縫切換。
后續(xù)團(tuán)隊(duì)將通過(guò)幾何深度學(xué)習(xí)為該平臺(tái)增加3D建模功能。
安裝接口需Python版本>= 3.5，PyTorch>= 1.4.0，方法有兩種：
- 從conda
- 從GitHub源
先通過(guò)conda獲得TorchDrug依賴(lài)的化學(xué)信息學(xué)開(kāi)源工具包rdkit：
研發(fā)團(tuán)隊(duì)
研發(fā)團(tuán)隊(duì)所在的實(shí)驗(yàn)室Mila，是圖靈獎(jiǎng)得主、加拿大蒙特利爾大學(xué)教授Yoshua Bengio于1993年創(chuàng)立的AI研究機(jī)構(gòu)。
有500多名專(zhuān)門(mén)從事機(jī)器學(xué)習(xí)的研究人員，主要貢獻(xiàn)集中在語(yǔ)言模型、機(jī)器翻譯、對(duì)象識(shí)別和生成模型。
TorchDrug平臺(tái)的開(kāi)發(fā)由Mila實(shí)驗(yàn)室的助理教授、加拿大蒙特利爾大學(xué)商學(xué)院博士生導(dǎo)師唐建領(lǐng)導(dǎo)。
唐教授2014年博士畢業(yè)于北京大學(xué)信息科學(xué)技術(shù)學(xué)院，2014-2016年任職微軟亞洲研究院副研究員，2016-2017年成為密歇根大學(xué)和卡內(nèi)基梅隆大學(xué)聯(lián)合培養(yǎng)博士后。
主要研究方向?yàn)椋簣D表示學(xué)習(xí)、圖研究網(wǎng)絡(luò)、知識(shí)圖譜、藥物發(fā)現(xiàn)。
曾獲得機(jī)器學(xué)習(xí)頂級(jí)會(huì)議ICML2014的最佳論文，發(fā)表的一系列在圖表示學(xué)習(xí)領(lǐng)域的經(jīng)典論文包括LINE、LargeVis、RotatE以及Graph Markov Neural Networks (GMNN)。
團(tuán)隊(duì)成員還包括多位該實(shí)驗(yàn)室的華人博士學(xué)生以及來(lái)自清華北大上交大的交換生。
還得到了Bengio等十余位AI、生物學(xué)領(lǐng)域?qū)W者的指導(dǎo)：
TorchDrug官網(wǎng)：
https://torchdrug.ai/
GitHub地址：
https://github.com/DeepGraphLearning/torchdrug/
參考鏈接：
https://mila.quebec/en/a-team-led-by-mila-researcher-jian-tang-launches-torchdrug-an-open-source-platform-for-drug-discovery/
— 完 —
量子位 QbitAI · 頭條號(hào)簽約
關(guān)注我們，第一時(shí)間獲知前沿科技動(dòng)態(tài)
版權(quán)聲明：本文內(nèi)容由互聯(lián)網(wǎng)用戶(hù)自發(fā)貢獻(xiàn)，該文觀點(diǎn)僅代表作者本人。本站僅提供信息存儲(chǔ)空間服務(wù)，不擁有所有權(quán)，不承擔(dān)相關(guān)法律責(zé)任。如發(fā)現(xiàn)本站有涉嫌抄襲侵權(quán)/違法違規(guī)的內(nèi)容， 請(qǐng)發(fā)送郵件至 舉報(bào)，一經(jīng)查實(shí)，本站將立刻刪除。
