Наука 31 марта 2021

Готовая модель глубокого обучения прогнозирует фармацевтические свойства лекарств

Ученые разработали готовую модель глубокого обучения для прогнозирования фармацевтических свойств лекарственных препаратов — MolMapNet. Разработка представлена в статье для журнала Nature Machine Intelligence.

Читайте «Хайтек» в

Исследователи из университетов Сингапура и Китая разработали MolMapNet, новый инструмент искусственного интеллекта (ИИ). Он прогнозирует фармацевтические свойства лекарств путем анализа представлений о молекулах, основанных на человеческих знаниях.

Хотя инструменты ИИ обычно хороши для распознавания пространственно-упорядоченных изображений (например, изображений объектов), они не так хорошо работают с неупорядоченными данными, такими как молекулярные свойства. Это ухудшает их эффективность при анализе фармацевтических препаратов. Ученые стремились преодолеть это ограничение. Цель — повышение производительности моделей глубокого обучения для прогнозирования фармацевтических свойств препаратов.

Разработанный исследователями инновационный готовый инструмент искусственного интеллекта MolMapNet для глубокого обучения прогнозированию фармацевтических свойств. Начиная с молекулы (вверху справа), ее молекулярные свойства (такие как молекулярные компоненты ниже молекулы) проецируются на 2D-пластину (верхняя пластина многопластинчатой структуры) в виде изображения, распознающего изображения AI (мульти- структура пластины) считывает пиксели изображения для распознавания индикаторов фармацевтических свойств, а затем прогнозирует (два слоя взаимосвязанных звеньев под многопластинчатой структурой) фармацевтические свойства (лекарство и бутылка в нижнем левом углу). Открывшееся поле (внизу справа) указывает, что инструмент AI может использоваться неспециалистами из коробки. Предоставлено: Шен и др.

Создание модели глубокого обучения проходило в три этапа.

Первый — широкое изучение внутренних взаимосвязей молекулярных свойств более чем 8 млн молекул.

Второй — использование недавно разработанной техники преобразования данных для отображения молекулярных свойств фармацевтических препаратов в 2D-изображения. Макеты пикселей отражают внутренние отношения между этими свойствами. Они содержат важные индикаторы фармацевтических свойств, которые фиксируются с помощью обученных моделей глубокого обучения.

Третий — обучение инструмента MolMapNet распознаванию 2D-изображения и использовать их для прогнозирования фармацевтических свойств.

В итоге ИИ может захватывать определенные шаблоны макета пикселей, которые характеризуют определенные фармацевтические свойства. Это похоже на то. как искусственный интеллект различает мужчин и женщин на изображении, изучая различные гендерные особенности.

Инновационный ИИ не требует точной настройки параметров, значит, он доступен для неспециалистов.

Читать далее

Новое урановое соединение побило рекорд аномальной проводимости

Самое штормовое место на Земле: почему пролив Дрейка — опаснейший путь в Антарктику

Ошибка эволюции: какие органы в организме человека работают нелогично

ИИ