加拿大滑鐵盧大學的AI科研人員開發出了一套AI系統，有助于加速新藥研發、減少所需時間和費用。

這項名為模式到知識（Pattern to Knowledge，P2K）的新技術可以在幾秒鐘內預測生物序列的結合，并且有可能減少藥物研究中的瓶頸。

P2K使用人工智能（AI）來利用數據中提供的深層知識，而不是僅僅依靠經典的機器學習技術。“P2K是一項改變游戲規則的技術，因為它能夠揭示在復雜物理化學環境中糾纏在一起的微妙蛋白質關聯，并且只根據序列數據就能夠有力地預測相互作用，”系統設計工程系教授兼模式分析與機器智能中心（Centre for Pattern Analysis and MachineIntelligence，CPAMI）創始主任Andrew Wong（安德魯·王）說道。“從經過驗證的科學成果中獲取這些深層知識的能力將推動生物學研究向前發展。P2K有能力改變未來的數據使用方式。”

雖然已經收集了大量生物序列數據，但提取有意義的知識和有用的知識并不容易。P2K算法通過解開多個關聯來識別和預測控制蛋白質相互作用的氨基酸結合，從而應對這一挑戰。由于P2K比現有生物序列分析軟件的速度快得多，且預測準確度提高了近30%，它可以大幅加快新藥的發現速度。通過從云端數據庫中提取信息，P2K可以預測腫瘤蛋白質和潛在的癌癥治療將如何相互作用。

盡管仍處于早期原型階段，黃教授及其團隊已經向科研人員公開提供P2K在線系統，幫助他們開始識別新的生物序列相互作用。“將這項人工智能技術置于生物醫學科研人員之手將產生立竿見影的效果，它可以用于未來的科學發現，”系統設計工程系研究助理兼P2K共同發明人安東尼奧·司徒（Antonio Sze-To）說道。

由于P2K可以分析序列數據，其適用性并不限于生物醫學研究。P2K可以通過做出有用的關聯并進行智能交易預測來使金融行業獲益，或通過預測潛在網絡攻擊的可能性來使網絡安全部門受益。

研究論文“Pattern to Knowledge： Deep Knowledge-DirectedMachine Learning for Residue-Residue Interaction Prediction（模式到知識：適用于殘基相互作用預測的深層知識導向機器學習技術）”最近在自然出版集團的《科學報告》（Scientific Reports）期刊上發表。