大家好，我是本专栏的编辑郝帅，现在我来解释一下上面的问题。新的药物数据计算系统允许制药公司收集数据来训练人工智能程序发现新药，而无需与竞争对手共享机密信息。

新的加密系统将允许制药公司和学术实验室合作，以更快的速度开发新药，而不会向竞争对手披露任何机密数据。计算系统的核心是一个名为神经网络的人工智能程序。AI研究哪些药物与人体内各种蛋白质相互作用，预测新药-蛋清物质相互作用的信息。

更多的训练数据产生了更智能的人工智能，这在过去是一个挑战，因为药物开发商通常不会因为知识产权问题而共享数据。研究人员在10月19日的《科学》杂志上报道，新系统允许人工智能在保护大量信息的同时保护数据，这可以鼓励合作伙伴加快药物开发。

识别新药-蛋清物质的相互作用可以揭示各种疾病的潜在新疗法。匹兹堡大学的计算生物学家艾维特巴哈尔(Ivet Bahar)没有参与这项工作，他说，或者它可以揭示药物是否与意想不到的蛋白质目标相互作用，这可能表明药物是否会引起特殊的副作用。

在新的AI训练系统中，从研究组收集的数据分布在多个服务器中，每个服务器的所有者似乎只看到随机数。“这就是加密魔法发生的地方，”夏洛茨维尔弗吉尼亚大学的计算机科学家吴大维朔说，他没有参与这项工作。虽然没有一个参与者可以看到构成训练集的数百万个药物-蛋清物质相互作用，但服务器可以一起使用这些信息来教导神经网络预测以前看不见的药物-蛋清物质相互作用。

“这项工作是有远见的，”伊利诺伊大学香槟分校的计算机科学家彭剑说，他没有参与这项研究。“我认为(它)将为未来的生物医学合作奠定基础。”

麻省理工学院的计算生物学家邦妮伯杰(Bonnie Berger)和他的同事布莱恩希(Brian Hie)和亨洪乔(Hyunghoon Cho)通过在大约140万个药物-蛋清物质对上训练神经网络来评估他们系统的准确性。这些对中的一半来自已知药物-蛋清物质相互作用的STITCH数据库。另一半含有非相互作用的药物-蛋清物质对。当显示已知相互作用或不相互作用的新药-蛋清物质对时，人工智能以95%的准确率选择哪些组相互作用。

为了测试系统是否能够识别未知的药物-蛋清物质相互作用，Berger团队随后在近200万个药物-蛋清物质对上训练神经网络：具有已知相互作用和相同数量的非相互作用对的整个STITCH数据集。经过全面的训练，人工智能提出了一些以前从未报告过或报告过但没有在STITCH数据库中执行的交互。

例如，人工智能识别雌激素受体蛋白和一种为治疗乳腺癌而开发的药物(称为droloxifene)之间的相互作用。神经网络还发现了白血病药物伊马替尼和蛋白质中ErbB4之间前所未有的相互作用，这被认为与不同类型的癌症有关。研究人员通过实验室实验证实了这种相互作用。

安全计算网络还可以鼓励在药物开发以外的领域进行更多合作。彭说，医院可以共享机密的健康记录，以训练人工智能程序，预测患者的预后或制定治疗策略。

吴硕说：“每当你想研究大量人的行为、基因组学、病历、法律记录、财务记录——任何对隐私敏感的人，这些技术都非常有用。