开发者「战疫」：新冠肺炎药物挖掘挑战赛开启，优胜成果将捐赠研究所

2020 年 2 月 23 日 机器之心

深度学习+药物挖掘是医疗 AI 领域的重要研究方向，能够解决传统药物研发周期长、成本高等痛点问题。在这次新型冠状病毒的爆发过程中，潜在特效药的挖掘更是争分夺秒。为了动员全球开发者的力量，美国医疗数据初创公司 Sage Health 的两位联合创始人发起了一项深度学习药物挖掘挑战赛，旨在寻找对抗新型冠状病毒肺炎的潜在药物。

这项比赛开始于 2020 年 2 月，由 Sage Health 公司的两位联合创始人 Siraj Raval（YouTube 平台知名 AI 教育博主）和 John Billings 博士共同发起。

优胜选手将获得1k美金的奖金，而比赛成果也将捐赠给武汉病毒研究所作进一步分析。

此外，作为机器之心『智能战疫联合行动』的参与机构，Sage Health 也将通过参与本次行动向更多正在进行相关研究的中国机构捐赠该比赛成果。

感兴趣的读者可点击阅读原文，留下您的联系方式，挑战赛结束后，我们将与您联系。

抗疫战中的 AI 力量

为了让大家更加了解这项比赛，Siraj Raval 给出了一段关于比赛的介绍视频。在视频中，他为参赛者提供了一些背景信息，可以帮助我们快速了解这一课题的当前进展。

根据 Siraj Raval 的介绍，目前我们有三种对抗传染病的主流药物挖掘方式，一是疫苗研发，二是抗体研发，三是小分子挖掘。但是对于开发者来说，前两个选项专业知识门槛过高，普通人很难有所贡献。而小分子挖掘则不同，这是一种速度快、成本低、专业知识要求较低的药物挖掘方式，而且有公共数据集可以利用，因此开发者们可以参与进来。这也是本次挑战赛的努力方向。

病毒上的蛋白酶可以催化化学反应，将病毒上的其他蛋白分成若干小块，从而帮助病毒繁殖。而我们的目的找到一种药物分子抑制剂来阻止这一繁殖过程。要找到这种抑制剂，我们可以选择从现有的药物数据库（如免费商业化合物虚拟筛选数据库 ZINC）寻找或自己创造一种新的分子化合物。

自新冠肺炎疫情爆发以来，许多学者一直在利用深度学习等技术积极寻找可能有效的新冠病毒肺炎药物。

2 月 6 日，英科智能发表了一篇名为《用生成式深度学习方法设计 2019-nCov 3C-like 蛋白酶潜在抑制剂》的论文，公布了几种可能成为新冠病毒 3C-like 蛋白酶抑制剂的分子。在分子生成阶段，研究者共使用了 28 种机器学习模型，包括生成对抗网络、遗传算法、语言模型等。在优化阶段，用到了强化学习。

除了生成式深度学习模型，也有研究者使用其他模型进行新冠病毒小分子挖掘。在 bioRxiv 的一篇预印版论文中，来自韩国的研究者开发了一种名为 Molecule Transformer-Drug Target Interaction (MT-DTI) 的模型，旨在从现有的上市药物中找到能够对抗新型冠状病毒肺炎的潜在药物。他们在研究中用到了 NLP 领域的经典模型 Transformer。

因此，组织方开启了这样一场挑战赛，希望发动开发者的力量，为「AI 战役」贡献自己的一份力量。

参赛须知

比赛目标

本次比赛的目标是通过机器学习方法快速寻找与新型冠状病毒主要蛋白酶具备高结合亲和力的潜力药物。在共同抗击疫情的战斗中，已有研究表明一些 HIV 药物在新冠肺炎治疗过程中有效，但这个领域仍具备探索空间。

参赛者可使用机器学习技术来寻找潜力药物，然后使用 docking 软件来计算筛选出的药物与新冠病毒主要蛋白酶的结合亲和力。最后，参赛者需要出具一份报告，对潜力药物进行描述，包括生成和验证过程，并以 jupyter 笔记本的形式记录详细结果。主办方会将获胜团队寻找到的潜在药物无偿贡献给武汉病毒研究所，助力新冠病毒的进一步分析研究。

奖金