近日，IBM向開源社區發布了三個旨在克服治愈癌癥的AI項目。在本月晚些時候將在瑞士舉行的第18屆歐洲計算生物學大會(ECCB)和第27屆分子生物學智能系統大會(ISMB)上，將會深入介紹PaccMann項目。

[[271760]]

2018年，癌癥導致全球960萬人死亡，此外，同年增加了1800多萬新的癌癥病例。IBM計算系統生物學小組的研究人員已經開始研究基于AI和機器學習的方法，通過它們幫助我們快速了解這些誘導這些癌癥的主要因素和分子機制，除此之外，重點還在于提高對腫瘤的構成認知。

通過遺傳，污染，吸煙和飲食方面的傾向都被認為是引發癌癥的可能性因素，但仍然還有許多需要去探索的因素，IBM表示：我們的目標是加深對癌癥的理解，以便有朝一日我們能夠為行業和學術界提供新的治療方向或知識。

此次IBM開源的三個項目如下：

1、PaccMann

PaccMann項目旨在利用基于注意力的多模式神經網絡來預測抗癌化合物的敏感性，ML算法自動分析化合物并預測最有可能對抗癌癥菌株的化合物。

該算法使用基因表達數據和化合物的分子結構。IBM表示，早期識別潛在的抗癌化合物可能會降低藥物開發的成本。目前開發單一藥物治療癌癥就需花費數百萬美元，正是因為這高昂的研發成本阻礙了我們開發新藥物和療法的步伐。(地址：https://www.zurich.ibm.com/paccmann/)

2、INtERAcT

INtERAcT能夠幫助研究人員從大量的科學文獻中自動提取有價值的數據。每年在癌癥研究領域出版約17,000種出版物，研究人員做不到一一閱讀這些內容，INtERAcT目前正在測試提取與蛋白質 - 蛋白質相互作用的相關數據，該研究領域，已被確定為包括癌癥在內的多種疾病中生物過程中斷的可能因素。(地址：https://www.zurich.ibm.com/interact/)

3、PIMKL

第三個項目PIMKL是一種使用數據集的算法，該算法利用描述我們目前在分子相互作用方面的數據集，以此來預測癌癥的進展和患者復發的可能，這是多核學習的一種，可以識別分子路徑，這對于患者分類至關重要，可以為醫療保健專業人士提供個性化和調整治療計劃的方案。(地址：https://www.zurich.ibm.com/pimkl/)

以上這三個項目都已經開源，PaccMann和INtERAcT的開源代碼可以在各自的官網中找到，PIMKL已部署在IBM云上，源代碼也已發布。

開源最前線(ID：OpenSourceTop) 編譯

項目地址：https://www.techzine.be/nieuws/41092/ibm-maakt-drie-ai-projecten-gericht-op-kankeronderzoek-opensource.html