Maschine Lernalgorithmus hilft bei der Suche nach neuen Medikamenten
Forscher haben eine Maschine Lernalgorithmus für die Wirkstoffforschung entwickelt, die gezeigt wurde, doppelt so effizient wie der Industriestandard sein, die den Prozess der Entwicklung neuer Therapien für Krankheiten beschleunigen könnte.
Die Forscher, von der University of Cambridge führte, verwendet, um ihren Algorithmus vier neue Moleküle, die ein Protein zu identifizieren, aktivieren, die für die Symptome der Alzheimer-Krankheit und Schizophrenie relevant sein gedacht. Das Ergebnisse werden in der Zeitschrift berichtet PNAS.
Ein Schlüsselproblem in der Wirkstoffforschung ist die Vorhersage, ob ein Molekül, das einen bestimmten physiologischen Prozess aktiviert wird. Es ist möglich, ein statistisches Modell zu bauen, durch die Suche nach chemischen Mustern gemeinsam von den Molekülen bekannt, diesen Prozess zu aktivieren, aber die Daten, um diese Modelle zu bauen ist beschränkt, da Experimente sind teuer und es ist unklar, welche chemischen Muster statistisch signifikant sind.
„Maschinelles Lernen hat bedeutende Fortschritte in Bereichen wie Computer Vision, wo Daten reichlich vorhanden ist,“, Sagte Dr. Alpha Lee von Cambridge Cavendish Laboratory, und die Studie führt Autor. „Die nächste Grenze ist wissenschaftliche Anwendungen wie Arzneimittelforschung, wo die Menge der Daten sind relativ begrenzt, aber wir haben über das Problem physikalische Einsichten, und wird die Frage, wie die Daten mit grundlegender Chemie und Physik zu heiraten.“
Der Algorithmus entwickelt von Lee und seine Kollegen, in Zusammenarbeit mit dem biopharmazeutischen Unternehmen Pfizer, verwendet Mathematik pharmakologisch relevante chemische Muster von irrelevanten zu trennen.
Wichtig, Der Algorithmus sucht an beiden Molekülen inaktiv sein bekannt, aktiv zu sein und Moleküle bekannt und lernt zu erkennen, welche Teile der Moleküle für Arzneimittelwirkung wichtig sind und welche Teile nicht. Ein mathematisches Prinzip als Zufallsmatrixtheorie bekannt gibt Prognosen über die statistischen Eigenschaften eines statistischen und laut Dataset, die dann im Vergleich gegen die Statistik von chemischen Eigenschaften des aktiven / inaktiven Moleküls zu destillieren, welche chemischen Muster wirklich wichtig sind für die Bindung, wie durch Zufall entstehen, einfach gegen.
Diese Methode ermöglicht es den Forschern wichtige chemische Muster heraus zu fischen nicht nur aus Molekülen, die aktiv sind, sondern auch von Molekülen, die inaktiv sind - mit anderen Worten:, fehlgeschlagen Experimente können nun mit dieser Technik ausgenutzt werden.
Die Forscher bauten ein Modell mit dem Start 222 aktive Moleküle und konnten Bildschirm zusätzliche sechs Millionen Moleküle zu rechen. Davon, die Forscher gekauft und gescreent die 100 relevanteste Moleküle. Von diesen, sie identifizierten vier neue Moleküle, die die CHRM1 Rezeptor aktivieren, ein Protein, das für die Alzheimer-Krankheit und Schizophrenie relevant sein kann.
„Die Fähigkeit, vier aktive Moleküle aus sechs heraus zu fischen Millionen ist wie eine Nadel im Heuhaufen,“, Sagte Lee. „Ein Kopf-an-Kopf-Vergleich zeigt, dass unser Algorithmus doppelt so effizient wie der Industriestandard ist.“
komplexe organische Moleküle zu machen ist eine große Herausforderung in der Chemie, und potenzielle Medikamente gibt es in dem Raum von noch-unmakeable Moleküle. Die Forscher Cambridge entwickeln derzeit Algorithmen, die Möglichkeiten zur Synthese komplexer organischer Moleküle vorhersagen, sowie das maschinelle Lernen Methodik Materialien Entdeckung verlauf.
Quelle: www.cam.ac.uk
Hinterlasse eine Antwort
Sie müssen Anmeldung oder registrieren um einen neuen Kommentar hinzuzufügen .