«Мы сделали нейронную сеть генеративного типа, то есть умеющую создавать схожие вещи, на которых она обучалась», — говорит один из авторов исследования, аспирант МФТИ Андрей Казеннов. Нейронная сеть обучалась на фингерпринтах молекул. Фингерпринт — это «отпечаток пальца» молекулы, который содержит в себе всю информацию о ней. Данные, которые содержатся в таком отпечатке, позволяют восстановить структуру молекулы.
На данный момент в базе неорганических молекул порядка 72 миллионов веществ, и только доля процента из них используется в лекарственных препаратах. Фармакологические методы создания лекарств носят, в основном, наследственный характер. Например, фармакологи продолжают исследовать аспирин, который применяется уже полтора века, что-то добавляют к молекуле, чтобы снизить побочные эффекты или повысить эффективность, но это все то же вещество. Как выбрать из 72 млн принципиально новую молекулу, обладающую лечебными свойствами? Эту задачу и решали российские исследователи с помощью нейронной сети.
Физики случайно удешевили процесс производства графена
Кейсы
На вход искусственному интеллекту подавались «отпечатки» известных лекарственных молекул. Сеть должна была распределить веса параметров внутренних нейронов так, чтобы при заданном входе получился заданный же выход. Эта операция повторялась много раз — так происходит обучение на большом количестве данных. В результате получается «черный ящик», который умеет при заданном входе давать заданный выход. Затем разработчики убрали первые слои, и сеть генерировала фингерпринты при обратном прогоне уже сама. Ученые построили «отпечатки» для всех 72 млн молекул, и далее сравнивали сгенерированные сетью фингерпринты с базой.
Для проверки сети использовали патентную базу противораковых лекарств. Сначала обучали сеть на части лекарственных форм и проверяли на второй части. Задача была в том, чтобы предсказать уже известные формы, но такие, которых не было в обучающей выборке. На 69 из предсказанных ИИ веществ уже есть патенты.
«Генеративные состязательные сети с применением обучения с подкреплением — это будущее фармакологии. В этой статье мы показали первое применение генеративных состязательных автокодировщиков, GAN’ов, для создания новых молекулярных структур противоопухолевых препаратов по определенным параметрам. Эта работа была сделана еще прошлым летом, и с тех пор мы значительно продвинулись в этом направлении. Я очень надеюсь, что в скором времени мы сможем разрабатывать индивидуальные лекарства для лечения редких заболеваний и даже для лечения отдельных пациентов. Уже в этом году искусственный интеллект начнет трансформировать фармацевтическую индустрию», — говорит один из авторов исследования, глава Insilico Medicine и международный адъюнкт-профессор МФТИ Александр Жаворонков.
Ученые нашли доказательства того, что Вселенная — это голограмма
Кейсы
«GAN’ы находятся сейчас на переднем крае нейронауки. Совершенно очевидно, что они могут быть использованы на более широком спектре задач, чем генерация картинок и музыки. Мы попробовали применить этот подход в биоинформатике и получили прекрасный результат», — резюмирует ведущий программист группы оптимизации поиска Mail.Ru Group, независимый научный консультант Insilico Medicine Артур Кадурин.