Благодаря культуре и прогрессу искусственного интеллекта в наше время время от времени открываются невероятные возможности. Пока невероятно, но тогда: когда-то и сам огонь был для человека одинаковым! Открытие потенциала использования ИИ связано с последними открытиями в области медицинских исследований.
Теперь можно анализировать миллионы элементов лекарств с помощью нейронных сетей. Процесс заключается в моделировании каждой молекулы лекарства, чтобы понять, как она будет реагировать с молекулой целевого белка.
Глубокое обучение может ускорить процесс стыковки молекул без ущерба для точности.
На самом деле вам не обязательно держать молекулу под рукой. Вы можете проверить миллиарды соединений, и они на самом деле не обязательно должны существовать. – Дэвид Коес, доцент Питтсбургского университета
Чтобы найти идеальную молекулярную структуру для лечения наркозависимости, ученым необходимо учитывать несколько законов притяжения. Меньшее сродство означает, что лекарство слишком слабое, чтобы соединяться с белком, и это приведет к неэффективности.
Есть еще одно важное требование, на которое указывает Коес. Обычная молекула может соединяться с сотнями белков вместо одного, а это означает, что пара должна быть специфичной.
В настоящее время Коес и его команда используют принцип «противоположности притягиваются» в своей нейронной сети. Этот метод также позволяет тестировать несуществующие молекулы!
У команды есть своя модель глубокого обучения, в которой используется программное обеспечение глубокого обучения cuDNN, разработанное NVIDIA. Он уже продемонстрировал обнадеживающие результаты: точность прогнозирования составила 70% по сравнению с 52% результатов предыдущих моделей.
Коес обнаружил, что для получения ожидаемых результатов этой процедуре необходимы графические процессоры, и сравнил ее с беспилотным автомобилем, который постоянно обрабатывает данные. Для этой работы уже использовалась серия графических процессоров NVIDIA, включая Tesla V100, Titan V и другие.
Программное обеспечение не было оптимизировано для вывода, но команда уже использовала его как на этапах обучения, так и на этапе вывода в ходе всего исследования.
Коэс предполагает, что однажды исследователи смогут использовать ползунки для активации молекулярных функций по мере необходимости. Он добавляет, что осознание этого дня в настоящее время маловероятно, поскольку главная задача состоит в том, чтобы создать что-то реалистичное как с физической, так и с химической точки зрения.
Если мы сможем довести его до такой степени точности, при которой люди будут мотивированы синтезировать новые молекулы, это будет хорошим показателем того, что мы полезны. — Дэвид Коес
Поэтому, будь то стартап или солидное медицинское учреждение, вы действительно можете пройти тестирование на наркотики, чтобы найти новые и лучшие методы лечения, если вам удастся заполучить ИИ. Таким образом, прогресс упрощается.
Ознакомьтесь с исследованием Коеса в этой недавней статье. Вы также можете услышать его на докладе GTC: «Глубокое обучение для молекулярного стыковки».
