引述外媒报道，刚刚，IBM已经发布了三个人工智能（AI）项目，旨在应对开放源代码社区治愈癌症的挑战。
在本月晚些时候将在瑞士举行的第18届欧洲计算生物学会议（ECCB）和第27届分子生物学智能系统会议（ISMB）上，该技术巨头将深入探讨每个项目如何促进我们的理解癌症及其治疗方法
据估计，仅癌症在2018年造成960万人死亡，同年估计有1800万新病例报告。
通过遗传，环境因素（包括污染，吸烟和饮食）的易感性都被认为是某人患这种疾病的可能性的因素，虽然我们可以治疗多种形式，但我们还有很多需要学习的地方。
IBM位于苏黎世的计算系统生物学小组的研究人员致力于人工智能和机器学习（ML）方法，以“帮助加速我们对这些复杂疾病的主要驱动因素和分子机制的理解”，以及提高我们对肿瘤知识的方法组成。
“我们的目标是深化对癌症的理解，为行业和学术界提供可能有一天有助于推动新疗法和治疗的知识，”IBM说。
第一个被称为PaccMann的项目 - 不要与流行的Pac-Man计算机游戏混淆 - 被描述为“基于多模态注意力的神经网络预测抗癌复合物敏感性”。
开发单一药物治疗癌症可能需要数百万美元，而这些经济上的限制可能会延迟或削弱我们开发新药物和治疗药物的潜力。
IBM正在研究PaccMann算法，以自动分析化合物并预测哪些化合物最有可能对抗癌症菌株，这可能会简化这一过程。
ML算法利用基因表达数据以及化合物的分子结构。IBM表示，通过早期识别潜在的抗癌化合物，可以降低与药物开发相关的成本。
第二个项目被称为“来自vectoR代表词语的交互网络信息”，也称为INtERAcT。该工具是一个特别有趣的工具，因为它可以从与我们对癌症的理解相关的有价值的科学论文中自动提取数据。
每年在癌症研究领域发表的论文大约有17,000篇，研究人员很难 - 如果不是不可能的话 - 跟上我们理解的每一个小步骤。
INtERAcT旨在通过自动从这些论文中提取信息，使研究的学术方面成为负担。目前，该工具正在测试提取与蛋白质 - 蛋白质相互作用相关的数据 - 这一研究领域已被标记为包括癌症在内的疾病中生物过程中断的潜在原因。
“INtERAcT的一个特殊优势在于能够推断特定疾病背景下的相互作用，”IBM表示。“与健康组织中的正常相互作用进行比较可能有助于深入了解疾病机制。”
第三个也是最后一个项目是“路径诱导的多核学习”或PIMKL。该算法利用描述我们目前在分子相互作用方面所知的数据集来预测癌症的进展和患者的潜在复发。
PIMKL使用所谓的多核学习来识别对于分类患者至关重要的分子途径，为医疗保健专业人员提供个性化和定制治疗计划的机会。
PaccMann和INtERAcT的代码已经发布，可以在项目的网站上找到。PIMKL已部署在IBM Cloud上，源代码也已发布。
每个项目都是开源的，现在已经在公共领域提供。IBM希望通过向其他研究人员和学者提供源代码，科学界可以最大限度地发挥其潜在影响。
责任编辑：
