使用这种方法，研究团队开发了一种化合物，以靶向聚集体表面的“口袋”，这些“口袋”是导致聚集体本身指数级增长的原因。这种化合物的效力是以前报道的数百倍，开发成本也低得多。

领导这项研究的米歇尔·文德鲁斯科洛教授表示，机器学习正在对药物发现过程产生影响，它加快了识别最有前途的候选药的过程。由于时间和成本大幅减少，未来可实行多个药物开发计划。

yw193con蜜芽帕金森病影响着全球600多万人，预计到2040年，这一数字将增加两倍。当人们患上帕金森病时，一些蛋白质会失控并导致神经细胞死亡。当这些蛋白质错误折叠时，它们可形成被称为路易小体的异常聚集，这些小体在脑细胞内积聚，并阻止其正常运作。

利用AI技术，研究人员将初始筛查过程加快了10倍，并将成本缩减至千分之一，这意味着研发出帕金森病潜在疗法的速度要快很多。

寻找帕金森病潜在治疗方法的一条途径是，识别能抑制α-突触核蛋白聚集的小分子。此次，该团队使用机器学习技术快速筛选了一个包含数百万个条目的化学库，以识别与淀粉样蛋白聚集体结合并阻止其增殖的小分子。最终确定了5种高度有效的化合物。