ИИ для разработки препаратов

Российские учёные из Insilico Medicine с помощью новой системы искусственного интеллекта под названием Generative Tensorial Reinforcement Learning (GENTRL) обнаружили 6 перспективных методов лечения фиброза за 21 день, а общее время моделирования, синтеза и валидации молекул составило 46 дней.

Фиброз – разрастание соединительной ткани с образованием рубцов в результате хронического воспаления. Такая изоляция ведёт к постепенной утрате специфических функций пораженного органа (например, лёгочная недостаточность при фиброзе лёгких). Одной из причин возникновения фиброза считается активность фермента DDR1, и соответственно, возможным путём приостановления развития болезни может быть снижение активности данного фермента.

GENTRL сгенерировала 6 вариантов молекул лекарств, способных справиться с поставленной задачей. Один из предложенных вариантов был протестирован на мышах и продемонстрировал благоприятные результаты.

Работа системы основана на алгоритме так называемой генеративно-состязательной сети, построенном на комбинации из двух нейронных сетей, одна из которых (сеть G, генеративная) генерирует образцы, а другая (сеть D, дискриминативная) старается отличить подлинные образцы от неправильных, т.е. сети G и D имеют противоположные цели – создать образцы и отбраковать ненужные. Использование этой техники позволяет, в частности, генерировать фотографии, которые человеческим глазом воспринимаются как натуральные изображения. Кроме того, сети могут использоваться для улучшения качества нечётких или частично испорченных фотографий, а также для получения новых молекулярных структур с заданными свойствами.

Чтобы создать GENTRL и тем самым существенно ускорить и улучшить процесс получения новых лекарств, учёные более трех лет разрабатывали теоретическую базу для генеративно-состязательных сетей и других подобных методов машинного обучения.

Разработка и валидация лекарств – довольно трудоёмкий процесс, который занимает много времени и редко доходит до клинических испытаний на людях. Даже небольшое ускорение процесса приведёт к значительной экономии и общественной пользе.

Статья Zhavoronkov et. al Deep learning enables rapid identification of potent DDR1 kinase inhibitors опубликована в журнале Nature Biotechnology.

Елена Панасюк, портал «Вечная молодость» http://vechnayamolodost.ru по материалам Eurekalert: Novel molecules designed by artificial intelligence in 21 days are validated in mice.