据美国每日迷信网站报道，科学家利用一种强大的机器学习技术，筛选出约2亿种化学物质，发现了数百种可能用于治疗新冠肺炎的候选药物。

这项研究由加州大学河滨分校的安南达桑卡·雷教授领导。他表示，这种药物发现平台是一种与人工智能相关的计算机算法，可以通过反复试错来预测药物活性，且其预测能力可以不断提升。“对于系统性地发现治疗新冠肺炎的新药来说，这类平台是一个重要的起点。”

研究过程中，团队成员乔尔·科瓦列夫斯基使用了与新冠病毒蛋白质相互作用的65种人类蛋白质的配体，并为每种人类蛋白质创建了机器学习模型。这些模型经过训练，可以从三维结构中识别新的配体。

研究团队利用这些机器学习模型，在包含2亿种化学物质的数据库中筛选出1000多万种小分子，并确定了能够最有效地针对与新冠病毒蛋白质相互作用的65种人类蛋白质的化合物。他们从这些化合物中找到了一些已经获得美国食品药品监督管理局（FDA）批准的化合物，如某些药品和食品中使用的化合物。此外，他们还利用机器学习模型评估了各种化合物的毒性，从而排除潜在的有毒候选物。

研究人员指出，这种方法不仅帮助他们找到了对单一人类蛋白质靶点最具活性的候选药物，还发现了可能抑制两个或更多人类蛋白质靶点的化合物。

雷教授表示：“最让我兴奋的是那些可能用于吸入疗法的化合物。”

研究人员表示，传统的细胞培养测定法既昂贵又耗时，需要数年时间来测试药物。相比之下，他们的机器学习平台在初步筛选大量化学物质方面具有显著优势。此外，该平台不仅能用于开发抗新冠肺炎药物，还可以加速其他多种疾病药物的研发进程。