Itifaki ya Cryptographic huwezesha ushirikiano mkubwa katika ugunduzi wa madawa ya kulevya, mtandao wa Neural ambao hupata dawa zinazowezekana kwa usalama unaweza kuhimiza ujumuishaji wa data nyeti kwa kiwango kikubwa.

Watafiti wa MIT wameunda mfumo wa kriptografia ambao unaweza kusaidia mitandao ya neural kutambua wagombea wa dawa wanaoahidi katika hifadhidata kubwa za dawa., huku ukiweka data ya faragha. Uhesabuji salama unaofanywa kwa kiwango kikubwa kama hicho unaweza kuwezesha ujumuishaji mpana wa data nyeti ya kifamasia kwa ugunduzi wa dawa tabiri..

Seti za data za mwingiliano unaolengwa na dawa (DTI), ambayo yanaonyesha kama misombo ya wagombea huathiri protini lengwa, ni muhimu katika kusaidia watafiti kutengeneza dawa mpya. Miundo inaweza kufunzwa kubana hifadhidata za DTI zinazojulikana kisha, kwa kutumia taarifa hizo, pata wagombea wa dawa za riwaya.

Miaka ya karibuni, makampuni ya dawa, vyuo vikuu, na mashirika mengine yamekuwa wazi kwa kuunganisha data ya dawa katika hifadhidata kubwa ambayo inaweza kuboresha sana mafunzo ya miundo hii.. Kutokana na masuala ya mali miliki na masuala mengine ya faragha, hata hivyo, hifadhidata hizi zinasalia kuwa na upeo mdogo. Mbinu za siri za kulinda data ni kubwa sana kwa kukokotoa hazilingani na mkusanyiko wa data zaidi, lakini inaweza kuwa na faida ya kutosha kwamba helical itashinda juu ya fimbo ya muda mrefu, makumi ya maelfu ya DTIs, ambayo ni ndogo kiasi.

Katika karatasi iliyochapishwa leo katika Kudhibiti Mkazo kwa Kutumia Saikolojia, watafiti kutoka Maabara ya Sayansi ya Kompyuta na Maabara ya Usanii wa MIT (CSAIL) elezea mtandao wa neva uliofunzwa kwa usalama na kujaribiwa kwenye mkusanyiko wa data wa zaidi ya milioni moja ya DTI. Mtandao hutumia zana za kisasa za kriptografia na mbinu za uboreshaji ili kuweka data ya ingizo kuwa ya faragha, wakati wa kukimbia haraka na kwa ufanisi kwa kiwango.

Majaribio ya timu yanaonyesha kuwa mtandao hufanya kazi haraka na kwa usahihi zaidi kuliko mbinu zilizopo; inaweza kuchakata hifadhidata kubwa kwa siku, ilhali mifumo mingine ya kriptografia ingechukua miezi. Aidha, mtandao ulibaini mwingiliano wa riwaya kadhaa, ikijumuisha moja kati ya dawa ya leukemia imatinib na kimeng'enya ErbB4 - mabadiliko ambayo yamehusishwa na saratani - ambayo yanaweza kuwa na umuhimu wa kiafya..

"Watu wanatambua wanahitaji kuunganisha data zao ili kuharakisha mchakato wa ugunduzi wa dawa na kutuwezesha, pamoja, kufanya maendeleo ya kisayansi katika kutatua magonjwa muhimu ya binadamu, kama saratani au kisukari. Lakini hawana njia nzuri za kuifanya,” anasema mwandishi sambamba Bonnie Berger, Simons Profesa wa Hisabati na mpelelezi mkuu katika CSAIL. "Pamoja na kazi hii, tunatoa njia kwa huluki hizi kukusanya na kuchanganua data zao kwa kiwango kikubwa sana.”

Kujiunga na Berger kwenye karatasi ni waandishi wa kwanza Brian Hie na Hyunghoon Cho, wanafunzi wote waliohitimu katika uhandisi wa umeme na sayansi ya kompyuta na watafiti katika kundi la CSAIL la Computation na Biolojia.

Data ya "kushiriki kwa siri".

Karatasi mpya inajengwa juu ya uliopita kazi na watafiti katika kulinda usiri wa mgonjwa katika masomo ya genomic, ambayo hupata uhusiano kati ya tofauti fulani za kijeni na matukio ya ugonjwa. Data hiyo ya kinasaba inaweza kufichua maelezo ya kibinafsi, hivyo wagonjwa wanaweza kusitasita kujiandikisha katika masomo. Katika kazi hiyo, Berger, Toa, na mwanafunzi wa zamani wa PhD wa Chuo Kikuu cha Stanford alitengeneza itifaki kulingana na mfumo wa siri unaoitwa "kushiriki kwa siri,” ambayo huchanganua kwa usalama na kwa ufanisi hifadhidata za jenomu milioni moja. Tofauti, mapendekezo yaliyopo yanaweza kushughulikia jenomu elfu chache tu.

Kushiriki kwa siri kunatumika katika ukokotoaji wa vyama vingi, ambapo data nyeti imegawanywa katika "hisa" tofauti kati ya seva nyingi. Katika hesabu nzima, kila mhusika atakuwa na sehemu yake tu ya data, ambayo inaonekana bila mpangilio kabisa. Kwa pamoja, hata hivyo, the servers can still communicate and perform useful operations on the underlying private data. Mwishoni mwa hesabu, wakati matokeo yanahitajika, vyama vinachanganya hisa zao ili kufichua matokeo.

"Tulitumia kazi yetu ya awali kama msingi wa kutumia ushirikiano wa siri kwa tatizo la ushirikiano wa dawa, lakini haikufanya kazi nje ya rafu,” Berger anasema.

Ubunifu muhimu ulikuwa kupunguza hesabu inayohitajika katika mafunzo na majaribio. Miundo iliyopo ya ugunduzi wa madawa ya kulevya inawakilisha miundo ya kemikali na protini ya DTIs kama grafu au matrices.. Mbinu hizi, hata hivyo, punguza mara nne, au mraba, na idadi ya DTIs kwenye seti ya data. Kimsingi, usindikaji wa uwasilishaji huu unakuwa wa kina sana kwa kukokotoa kadiri saizi ya seti ya data inavyoongezeka. "Wakati hiyo inaweza kuwa sawa kwa kufanya kazi na data mbichi, ukijaribu hiyo katika hesabu salama, haiwezekani,” Hie anasema.

Watafiti badala yake walifunza mtandao wa neural ambao hutegemea mahesabu ya mstari, ambayo inakua kwa ufanisi zaidi na data. "Tulihitaji kubadilika kabisa, kwa sababu tunajaribu kutoa njia ya kukusanya data pamoja [ndani] seti kubwa zaidi za data,” Cho anasema.

Watafiti walifunza mtandao wa neva kwenye hifadhidata ya STITCH, ambayo ina 1.5 milioni DTIs, kuifanya kuwa hifadhidata kubwa zaidi ya aina yake inayopatikana kwa umma. Katika mafunzo, mtandao husimba kila kiwanja cha dawa na muundo wa protini kama uwakilishi rahisi wa vekta. Hii kimsingi inafupisha miundo changamano kama 1 na 0s ambayo kompyuta inaweza kuchakata kwa urahisi. Kutoka kwa vekta hizo, mtandao kisha hujifunza mifumo ya mwingiliano na kutoingiliana. Lishwa jozi mpya za misombo na miundo ya protini, mtandao basi hutabiri ikiwa wataingiliana.

Mtandao pia una usanifu ulioboreshwa kwa ufanisi na usalama. Kila safu ya mtandao wa neva inahitaji utendakazi fulani wa kuwezesha ambayo huamua jinsi ya kutuma taarifa kwenye safu inayofuata. Katika mtandao wao, watafiti walitumia kazi bora ya kuwezesha inayoitwa kitengo cha mstari kilichorekebishwa (rejea). Chaguo hili la kukokotoa linahitaji moja tu, salama ulinganisho wa nambari wa mwingiliano ili kubaini kama itatumwa (1) au usitume (0) data kwenye safu inayofuata, huku pia kutofichua chochote kuhusu data halisi. Uendeshaji huu unaweza kuwa na ufanisi zaidi katika hesabu salama ikilinganishwa na kazi ngumu zaidi, kwa hivyo inapunguza mzigo wa kukokotoa huku ikihakikisha faragha ya data.

"Sababu ambayo ni muhimu ni kwamba tunataka kufanya hivi ndani ya mfumo wa kushiriki kwa siri ... na hatutaki kuongeza kasi ya hesabu.,” Berger anasema. Mwishoni, "hakuna vigezo vya modeli vinavyofichuliwa na data zote za pembejeo - dawa, malengo, na mwingiliano - huwekwa faragha.

Kutafuta mwingiliano

Watafiti walipisha mtandao wao dhidi ya mambo kadhaa ya kisasa, maandishi wazi (haijasimbwa) mifano kwenye sehemu ya DTI zinazojulikana kutoka DrugBank, hifadhidata maarufu iliyo na about 2,000 DTIs. Mbali na kuweka data ya faragha, mtandao wa watafiti ulifanya vyema zaidi miundo yote katika usahihi wa utabiri. Miundo miwili pekee ya msingi ingeweza kufikia mkusanyiko wa data wa STITCH, na mtindo wa watafiti ulipata karibu mara mbili ya usahihi wa mifano hiyo.

Watafiti pia walijaribu jozi zinazolengwa na dawa bila mwingiliano ulioorodheshwa katika STITCH, na kupata mwingiliano kadhaa wa dawa ulioanzishwa kliniki ambao haukuorodheshwa kwenye hifadhidata lakini unapaswa kuwa. Katika karatasi, watafiti huorodhesha utabiri wenye nguvu zaidi, ikiwa ni pamoja na: droloxifene na kipokezi cha estrojeni, ambayo ilifikia majaribio ya kliniki ya awamu ya III kama matibabu ya saratani ya matiti; na seocalcitol na kipokezi cha vitamini D kutibu saratani zingine. Cho na Hie walithibitisha kwa kujitegemea mwingiliano wa riwaya wa alama za juu zaidi kupitia mashirika ya utafiti wa mikataba.

Chanzo:

http://na probiotic tunayotumia imeidhinishwa pia, na Rob Matheson