人工智能驱动的平台可以帮助执法部门领先于设计药物
由深度学习驱动的在线平台可以预测新型精神活性物质的成分，以帮助执法部门打击危险药物。
该平台名为 NPS-MS，它提供了一种使用深度学习来预测新型精神活性物质的方法，深度学习是人工智能领域的一种机器学习，涉及使用大数据集训练计算算法来揭示复杂的关系并创建预测模型。
“非法药物是一小群看起来非常相似的结构，”阿尔伯塔大学计算科学系的博士生、这项国际研究的第一作者王飞说。“精神活性物质的本质是它们的结构在不断演变。”
在过去十年中，已经合成了 1000 多种此类物质，旨在模仿可卡因和甲基苯丙胺等药物的作用，同时避开尚未考虑新化学类似物的法律。
研究报告合著者、阿尔伯塔省机器智能研究所 (Amii) 计算科学教授兼加拿大 CIFAR AI 主席 Russ Greiner 表示：“我们希望该计划能够减少伤害人民和社会的非法流动。”
鉴定新型精神活性物质的实验室工作需要昂贵的参考数据和劳动密集型测试来生产光谱仪——可用于确认未知物质的化学信息参考。
王的研究始于对机器学习工具进行编程，以帮助研究人类代谢物和小分子。在采用机器学习方法来识别新型精神活性物质后，NPS-MS 使用DarkNPS的结果进行训练，DarkNPS 是阿尔伯塔大学建立的生成模型，用于预测潜在 NPS 化合物的光谱仪。
在丹麦的研究人员注意到 Wang 的计算技术可能适用于识别新型精神活性物质后，NPS-MS 成功识别了苯环己哌啶的一种变体，通常称为 PCP，而无需使用任何参考标准。
NPS-MS 算法使用 1,872 个光谱仪的数据集来交叉引用 624 种新的精神活性物质。
“通过机器学习，我们可以为数据集收集的化合物数量没有限制，”王说。
Wang 表示，大约 40,000 个分子拥有高分辨率光谱数据，可供法医团队交叉参考未知物质，并指出包含大约 1 亿种已知化学物质的数据库对于实验室来说获取成本可能很高。
“NPS-MS 将大大减少实验室的工作量。”