خوارزمية التعلم آلة تساعد في البحث عن عقاقير جديدة

الباحثون, بقيادة جامعة كامبريدج, يستخدم خوارزمية لتحديد أربعة جزيئات جديدة أن تنشيط البروتين التي يعتقد أن تكون ذات صلة لأعراض مرض الزهايمر والفصام. ال النتائج ونشرت في دورية PNAS.

المشكلة الرئيسية في اكتشاف المخدرات يتوقع ما إذا كان جزيء وتنشيط عملية فسيولوجية معينة. فمن الممكن لبناء نموذج إحصائي من خلال البحث عن أنماط الكيميائية المشترك بين جزيئات تعرف لتفعيل هذه العملية, ولكن البيانات لبناء هذه النماذج محدودة بسبب تجارب مكلفة وأنه من غير الواضح الذي أنماط الكيميائية ذات دلالة إحصائية.

حققت "تعلم آلة تقدما كبيرا في مجالات مثل رؤية الكمبيوتر حيث البيانات وفيرة,"قال الدكتور ألفا لي من مختبر كافنديش كامبردج, والدراسة المؤلف الرئيسي. "آفاق جديدة غير التطبيقات العلمية مثل اكتشاف المخدرات, حيث كمية البيانات غير محدود نسبيا ولكن لدينا رؤى المادية عن مشكلة, ويصبح السؤال كيف أن يتزوج البيانات مع الكيمياء والفيزياء الأساسية ".

الخوارزمية التي وضعتها لي وزملاؤه, بالتعاون مع شركة فايزر الصيدلانية البيولوجية, يستخدم الرياضيات للفصل أنماط الكيميائية ذات الصلة دواء من تلك التي لا صلة لها بالموضوع.

الأهم, تبدو الخوارزمية في كل من جزيئات تعرف أن تكون نشطة والجزيئات المعروفة لتكون غير نشطة ويتعلم الاعتراف الذي أجزاء من جزيئات مهمة لعمل الدواء والأجزاء التي ليست. والمبدأ الرياضية المعروفة باسم نظرية مصفوفة عشوائية يعطي تنبؤات حول الخصائص الإحصائية لمجموعة بيانات عشوائية وصاخبة, وهو بعد ذلك مقارنة ضد إحصاءات ميزات الكيميائية للجزيئات نشطة / نشطة لاستخلاص الذي أنماط كيميائية مهمة حقا للربط في مقابل الناشئة ببساطة عن طريق الصدفة.

هذه المنهجية تسمح للباحثين لصيد السمك من أنماط كيميائية مهمة ليس فقط من الجزيئات التي تنشط ولكن أيضا من الجزيئات التي هي غير نشطة - وبعبارة أخرى, ويمكن الآن التجارب الفاشلة استغلالها مع هذه التقنية.

بنيت الباحثون نموذجا بدءا 222 وكانت جزيئات نشطة وقادرة على حسابيا شاشة إضافية ستة ملايين الجزيئات. من هذا, شراء الباحثين وفحص لل 100 معظم الجزيئات ذات الصلة. من هذه, حددوا أربعة جزيئات جديدة التي تنشط مستقبلات CHRM1, بروتين قد تكون ذات صلة لمرض الزهايمر والفصام.

"القدرة على الأسماك من أربعة جزيئات نشطة من ستة ملايين هو مثل العثور على إبرة في كومة قش,"قال لي. "مقارنة رأسا لرأس تبين أن أنظمتنا هي ضعف كفاءة مثل معيار الصناعة."

مما يجعل الجزيئات العضوية المعقدة يشكل تحديا كبيرا في الكيمياء, والأدوية المحتملة وتكثر في الفضاء من جزيئات بعد-unmakeable. الباحثون كامبردج تقوم حاليا بتطوير خوارزميات التنبؤ بأن الطرق لتخليق الجزيئات العضوية المعقدة, فضلا عن توسيع نطاق منهجية التعلم الآلي لاكتشاف المواد.

مصدر: www.cam.ac.uk