新的加密系統可以讓制藥公司和學術實驗室共同合作，更快地開發新的藥物,而不會向競爭對手透露任何機密數據。

該計算系統的核心是一種稱為神經網絡的人工智能程序。AI研究哪些藥物與人體內的各種蛋白質相互作用以預測新的藥物蛋白質相互作用的信息。

更多的培訓數據產生了更聰明的人工智能，這在過去是一個挑戰，因為藥物開發人員通常不會因知識產權問題而共享數據。研究人員在雜志上報告說，新系統允許人工智能將數據眾包，同時保持信息的私密性，從而鼓勵合作伙伴加快藥物開發。

確定新的藥物蛋白質相互作用可以揭示各種疾病的潛在新療法?；蛘咚梢越沂舅幬锸欠衽c非預期的蛋白質靶標相互作用，這可能表明藥物是否可能引起特殊的副作用，匹茲堡大學的計算生物學家Ivet Bahar說，他沒有參與這項工作。

在新的AI培訓系統中，從研究組匯集的數據在多個服務器之間進行分配，每個服務器的所有者看到的似乎只是隨機數?！斑@就是加密魔法發生的地方，”位于夏洛茨維爾的弗吉尼亞大學的計算機科學家大衛吳說，他沒有參與這項工作。雖然沒有個體參與者能夠看到組成訓練集的數百萬種藥物蛋白質相互作用，但是服務器可以共同使用該信息來教導神經網絡來預測先前看不見的藥物蛋白質組合的相互作用。

“這項工作具有遠見卓識，”伊利諾伊大學厄巴納香檳分校的計算機科學家簡鵬說?！拔艺J為它將為生物醫學合作的未來奠定基礎。”

麻省理工學院計算生物學家Bonnie Berger及其同事Brian Hie和Hyunghoon Cho通過在大約140萬個藥物蛋白質對上訓練神經網絡來評估他們系統的準確性。這些對中的一半來自已知藥物蛋白質相互作用的STITCH數據庫; 另一半包含不相互作用的藥物蛋白質對。當顯示已知相互作用或不相互作用的新藥物蛋白質對時，AI選擇哪些組以95％的準確度相互作用。

為了測試該系統是否能夠識別迄今未知的藥物蛋白質相互作用，Berger團隊隨后在近200萬個藥物蛋白質對上訓練神經網絡：已知相互作用的整個STITCH數據集，以及相同數量的非相互作用對。經過充分培訓的人工智能建議進行了幾次以前從未報告或已報告但未在STITCH數據庫中進行的互動。

例如，AI鑒定了雌激素受體蛋白與開發用于治療乳腺癌的藥物（稱為屈洛昔芬）之間的相互作用。神經網絡還發現了白血病藥物伊馬替尼與蛋白質ErbB4之間從未見過的相互作用，該蛋白質被認為與不同類型的癌癥有關。研究人員證實這與實驗室實驗相互作用。

該安全計算網絡還可以鼓勵在藥物開發之外的領域中的更多協作。彭說，醫院可以分享機密健康記錄，以培訓預測患者預后或設計治療策略的人工智能項目。

“無論什么時候你想研究大量的人的行為，基因組學，醫療記錄，法律記錄，財務記錄,任何對隱私敏感的東西，這些技術都非常有用，”吳說。