接收人員開辟了一種基于報酬智能的本事，無妨從姑且已有阿爾茨海默癥藥物中，從新抉擇出最有潛力的貨色。這種本事不止連忙、廉價，而且還過程指出藥物功效體制來輔助揭發新的、未被商量的安排靶點。

接收于2月15日頒布在《自然-通訊》上，題目為“Machine learning identifies candidates for drug repurposing in Alzheimer’s disease”(板滯深造辯別阿爾茨海默病藥物再應用的候選者)，通訊作者為波士頓哈佛醫術院安排科學哈佛花樣體制藥道學考查室的Artem Sokolov。

接收人員應用板滯深造，開辟了被稱為DRIAD(晚年板滯癥中的藥物再應用)的框架。DRIAD的處世原因是先丈量用藥物安排時人腦神經細胞的變化，爾后確定藥物惹起的變化是否與病癥要害水平的分子標志物聯系。DRIAD還許諾接收人員察看哪些卵白質是最有長進的藥物的靶點，以及靶點之間是否有共同的趨勢。

接收小組將這種抉擇本事應用于80種FDA接收和臨床觀察的藥物，其中一些用來安排類類風濕性要害炎和血癌的抗炎藥變成最有潛力的候選藥物。那些藥物均屬于Janus激酶遏制劑，無妨阻斷炎癥刺激的Janus激酶卵白，而Janus激酶被質疑在阿爾茨海默病中起功效。

譯/前瞻財政和經濟學人APP資源訊息組