algoritmo di apprendimento automatico aiuta nella ricerca di nuovi farmaci

I ricercatori, condotto dall'Università di Cambridge, utilizzato il loro algoritmo per identificare quattro nuove molecole che attivano una proteina che è pensato per essere rilevanti per i sintomi della malattia di Alzheimer e la schizofrenia. Il risultati sono riportati nella rivista PNAS.

Un problema fondamentale nella scoperta della droga è prevedere se una molecola attiverà un particolare processo fisiologico. E 'possibile costruire un modello statistico per la ricerca di modelli chimici condivisi tra molecole conosciute per attivare quel processo, ma i dati per costruire questi modelli è limitato perché gli esperimenti sono costosi e non è chiaro quali modelli chimici sono statisticamente significative.

“Apprendimento automatico ha fatto notevoli progressi in settori quali la visione artificiale in cui i dati è abbondante,”Ha detto il dottor Lee Alpha da Cavendish Laboratory di Cambridge, e autore principale dello studio. “La prossima frontiera è applicazioni scientifiche come scoperta di nuovi farmaci, in cui la quantità di dati è relativamente limitata ma abbiamo intuizioni fisiche sul problema, e la questione diventa come sposare i dati con la chimica fondamentale e la fisica.”

L'algoritmo sviluppato da Lee e dei suoi colleghi, in collaborazione con la società biofarmaceutica Pfizer, utilizza la matematica per separare farmacologicamente rilevanti modelli chimici da quelli irrilevanti.

È importante sottolineare che, i look algoritmo ad entrambe le molecole note per essere attivo e molecole note per essere inattivi e impara a riconoscere quali parti delle molecole sono importanti per azione del farmaco e quali parti non sono. Un principio matematico noto come random matrices fornisce previsioni sulle proprietà statistiche di un insieme di dati casuali e rumoroso, che viene poi confrontata con la statistica delle caratteristiche chimiche delle molecole attive / inattive a distillare quali modelli chimici sono veramente importanti per il legame a differenza derivante semplicemente per caso.

Questa metodologia permette ai ricercatori di pesce fuor importanti modelli chimici non solo da molecole che sono attive, ma anche da molecole che sono inattive - in altre parole, esperimenti falliti possono ora essere sfruttati con questa tecnica.

I ricercatori hanno costruito un modello a partire da 222 molecole attive e sono stati in grado di schermo computazionalmente altri sei milioni di molecole. Da questo, i ricercatori hanno acquistati e proiettati il 100 la maggior parte delle molecole rilevanti. Da questi, hanno identificato quattro nuove molecole che attivano il recettore CHRM1, una proteina che può essere rilevante per la malattia di Alzheimer e la schizofrenia.

“La capacità di pesce fuor quattro molecole attive da sei milioni è come trovare un ago in un pagliaio,”, Ha detto Lee. “Una testa a testa spettacoli di confronto che il nostro algoritmo è due volte più efficiente come lo standard del settore.”

Fare molecole organiche complesse è una sfida significativa in chimica, e potenziali farmaci abbondano nello spazio di molecole ancora-unmakeable. I ricercatori di Cambridge stanno attualmente sviluppando algoritmi che predicono modi per sintetizzare molecole organiche complesse, così come l'estensione del machine learning metodologia per la scoperta di materiali.

fonte: www.cam.ac.uk