Kriptografia protokolo ebligas pli grandan kunlaboron en drogeltrovo, Neŭrala reto, kiu sekure trovas eblajn drogojn, povus instigi grandskalan kunigon de sentemaj datumoj.

MIT-esploristoj evoluigis kriptografan sistemon kiu povus helpi al neŭralaj retoj identigi esperigajn drogkandidatojn en masivaj farmakologiaj datumaroj., konservante la datumojn privataj. Sekura komputado farita je tia masiva skalo povus ebligi larĝan kunigon de sentemaj farmakologiaj datenoj por prognoza drogeltrovo.

Datenserioj de drog-celaj interagoj (DTI), kiuj montras ĉu kandidatoj kunmetaĵoj agas sur celproteinoj, estas kritikaj por helpi esploristojn evoluigi novajn medikamentojn. Modeloj povas esti trejnitaj por krampi datumarojn de konataj DTIoj kaj poste, uzante tiujn informojn, trovi novajn drogkandidatojn.

En la lastaj jaroj, farmaciaj firmaoj, universitatoj, kaj aliaj unuoj fariĝis malfermitaj al kunigo de farmakologiaj datumoj en pli grandajn datumbazojn, kiuj povas multe plibonigi trejnadon de ĉi tiuj modeloj.. Pro aferoj de intelekta proprieto kaj aliaj zorgoj pri privateco, tamen, tiuj datumaroj restas limigitaj en amplekso. Kriptografiaj metodoj por sekurigi la datumojn estas tiel komputile intensaj, ke ili ne skalas bone al datumaroj pretere., diru, dekoj de miloj da DTIoj, kiu estas relative malgranda.

En artikolo publikigita hodiaŭ en Scienco, esploristoj de la Laboratorio pri Komputado kaj Artefarita Inteligenteco de MIT (CSAIL) priskribu neŭralan reton sekure trejnitan kaj testitan sur datumaro de pli ol miliono da DTI. La reto utiligas modernajn kriptajn ilojn kaj optimumigajn teknikojn por konservi la enigajn datumojn privataj, dum kurado rapide kaj efike je skalo.

La eksperimentoj de la teamo montras, ke la reto funkcias pli rapide kaj pli precize ol ekzistantaj aliroj; ĝi povas prilabori amasajn datumajn arojn en tagoj, dum aliaj kriptografiaj kadroj prenus monatojn. Cetere, la reto identigis plurajn novajn interagojn, inkluzive de unu inter la leŭkemia drogo imatinib kaj enzimo ErbB4 - kies mutacioj estis asociitaj kun kancero - kiu povus havi klinikan signifon..

"Homoj rimarkas, ke ili devas kunigi siajn datumojn por multe akceli la drog-malkovran procezon kaj ebligi nin, Drupo aŭ, fari sciencajn progresojn en solvado de gravaj homaj malsanoj, kiel kancero aŭ diabeto. Sed ili ne havas bonajn manierojn fari ĝin,” diras responda aŭtoro Bonnie Berger, la Simons Profesoro pri Matematiko kaj ĉefesploristo ĉe CSAIL. “Kun ĉi tiu laboro, ni provizas manieron por ĉi tiuj entoj efike kunigi kaj analizi siajn datumojn je tre granda skalo."

Aliĝi al Berger en la papero estas kununuaj verkintoj Brian Hie kaj Hyunghoon Cho, ambaŭ gradstudantoj en elektrotekniko kaj komputiko kaj esploristoj en la Komputado kaj Biologio-grupo de CSAIL.

"Sekreta kundivido" datumoj

La nova papero baziĝas sur antaŭa laboro de la esploristoj en protektado de pacienca konfidenco en genomaj studoj, kiuj trovas ligojn inter apartaj genetikaj variantoj kaj efiko de malsano. Tiuj genomaj datumoj eble povus malkaŝi personajn informojn, do pacientoj povas esti malvolontaj enskribiĝi en la studoj. En tiu laboro, Berger, Donu, kaj iama Stanford University PhD-studento evoluigis protokolon bazitan sur kriptografia kadro nomita "sekreta kundivido,” kiu sekure kaj efike analizas datumarojn de miliono da genaroj. Kontraste, ekzistantaj proponoj povus pritrakti nur kelkajn milojn da genaroj.

Sekreta kundivido estas uzata en plurpartia komputado, kie sentemaj datumoj estas dividitaj en apartajn "akciojn" inter multoblaj serviloj. Dum komputado, ĉiu partio ĉiam havos nur sian parton de la datumoj, kiu aperas plene hazarda. Kolektive, tamen, la serviloj ankoraŭ povas komuniki kaj fari utilajn operaciojn sur la subestaj privataj datumoj. Je la fino de la komputado, kiam rezulto necesas, la partioj kombinas siajn akciojn por riveli la rezulton.

"Ni uzis nian antaŭan laboron kiel bazon por apliki sekretan kundividon al la problemo de farmakologia kunlaboro, sed ĝi ne funkciis tuj de la breto,” Berger diras.

Ŝlosila novigado reduktis la komputadon bezonatan en trejnado kaj testado. Ekzistantaj prognozaj drog-eltrovaj modeloj reprezentas la kemiajn kaj proteinstrukturojn de DTIoj kiel grafeoj aŭ matricoj. Ĉi tiuj alproksimiĝoj, tamen, skalo kvadrate, aŭ kvadrata, kun la nombro da DTIoj en la datumaro. Esence, prilabori tiujn reprezentantarojn iĝas ekstreme komputile intensa kiam la grandeco de la datumaro kreskas. “Kvankam tio povas esti bona por labori kun la krudaj datumoj, se vi provas tion en sekura komputado, ĝi estas nefarebla,” Hie diras.

La esploristoj anstataŭe trejnis neŭralan reton, kiu dependas de liniaj kalkuloj, kiuj skalas multe pli efike kun la datumoj. “Ni nepre bezonis skaleblon, ĉar ni provas provizi manieron kunigi datumojn [en] multe pli grandaj datumaroj,” Cho diras.

La esploristoj trejnis neŭralan reton sur la STITCH-datumaro, Kontrolu La Supron 1.5 milionoj da DTI-oj, igante ĝin la plej granda publike havebla datumaro de sia speco. En trejnado, la reto ĉifras ĉiun drogkunmetaĵon kaj proteinstrukturon kiel simpla vektora reprezentado. Ĉi tio esence densigas la komplikajn strukturojn kiel 1s kaj 0s kiujn komputilo povas facile prilabori. El tiuj vektoroj, la reto tiam lernas la padronojn de interagoj kaj neinteragoj. Nutras novajn parojn de komponaĵoj kaj proteinaj strukturoj, la reto tiam antaŭdiras ĉu ili interagos.

La reto ankaŭ havas arkitekturon optimumigitan por efikeco kaj sekureco. Ĉiu tavolo de neŭrala reto postulas iun aktivigan funkcion, kiu determinas kiel sendi la informojn al la sekva tavolo. En ilia reto, la esploristoj uzis efikan aktivigan funkcion nomatan rektigita lineara unuo (rekomenci). Ĉi tiu funkcio postulas nur unu, sekura nombra komparo de interago por determini ĉu sendi (1) aŭ ne sendi (0) la datumoj al la sekva tavolo, dum ankaŭ neniam malkaŝante ion ajn pri la realaj datumoj. Tiu operacio povas esti pli efika en sekura komputado komparite kun pli kompleksaj funkcioj, do ĝi reduktas komputilan ŝarĝon certigante datuman privatecon.

"La kialo, kio gravas, estas, ke ni volas fari ĉi tion en la sekreta kundivida kadro ... kaj ni ne volas pligrandigi la komputikan superkoston.,” Berger diras. En la fino, "Neniaj parametroj de la modelo estas malkaŝitaj kaj ĉiuj enigaĵoj - la drogoj, celoj, kaj interagoj - estas konservitaj privataj."

Trovi interagojn

La esploristoj kontraŭstaris sian reton kontraŭ pluraj pintnivelaj, klarteksto (neĉifrita) modeloj sur parto de konataj DTIoj de DrugBank, populara datumaro enhavanta ĉirkaŭ 2,000 DTIoj. Krom konservi la datumojn privataj, la reto de la esploristoj superis ĉiujn modelojn en prognoza precizeco. Nur du bazliniomodeloj povus racie grimpi al la STITCH-datumserio, kaj la modelo de la esploristoj atingis preskaŭ duoble la precizecon de tiuj modeloj.

La esploristoj ankaŭ testis drog-celajn parojn sen listigitaj interagoj en STITCH, kaj trovis plurajn klinike establitajn droginteragojn kiuj ne estis listigitaj en la datumbazo sed devus esti. En la papero, la esploristoj listigas la plej fortajn antaŭdirojn, inkluzive: droloksifeno kaj estrogenreceptoro, kiu atingis fazon III klinikajn provojn kiel terapio por mama kancero; kaj seokalcitol kaj D-vitamino-receptoro por trakti aliajn kancerojn. Cho kaj Hie sendepende validis la plej alt-poentatajn novajn interagojn per kontraktaj esplororganizoj.

Fonto:

http://novaĵoj.mit.edu, ne estis la scio ĉu vi havis la materialojn aŭ presan teknologion por ebligi ĉi tion