Aviso: Esta página é uma tradução automática da página original em inglês. Por favor note uma vez que as traduções são geradas por máquinas, não tradução tudo será perfeita. Este site e suas páginas da Web destinam-se a ler em inglês. Qualquer tradução deste site e suas páginas da Web pode ser imprecisas e imprecisos no todo ou em parte. Esta tradução é fornecida como uma conveniência.

Aprendizagem de máquina na revelação da droga

A revelação da droga é um processo caro e frequentemente infrutífero. Muitas das drogas investigadas inicialmente não são trazidas ao ensaio clínico, e a muitos em seguida que não são aprovadas pelo FDA ou por outras placas similares.

A aprendizagem de máquina faz uma parte activa na classificação com as quantidades imensas de dados bioquímicos acumulada da produção alta que arranja em seqüência técnicas. Faz a descoberta da droga mais eficiente.

Por ZolnierekCrédito de imagem: Zolnierek/Shutterstock

Aprendizagem de máquina

A aprendizagem de máquina é o processo por que um computador pode aprender sem ser programada. Inventada primeiramente em 1959, a aprendizagem de máquina tem-se transformado desde uma realidade viável. Os computadores são alimentados um algoritmo que se aplicam para analisar e aprender dos dados.

O computador fará então uma decisão ou uma previsão sobre dados relevantes. Utiliza as redes neurais, que são os algoritmos que actuam similarmente ao cérebro humano que tomam entradas, as processam e as fornecem uma saída.

Em seu núcleo, a aprendizagem de máquina envolve fazer uma linha do ajuste do melhor em diversas dimensões para fornecer a solução a mais óptima.

Há diversos tipos de aprendizagem de máquina, tais como a aprendizagem de máquina supervisionada, aprendizagem unsupervised e aprendizagem do reforço.

A aprendizagem de máquina supervisionada é quando os dados são alimentados ao computador, mas estes dados incluem a resposta ao problema para cada grupo de dados. Disto, o algoritmo pode aprender e fazer as previsões futuras em séries de dados novas.

A aprendizagem Unsupervised incluiria os dados que não têm uma saída. Não haveria nenhuma resposta aos dados que são alimentados ao algoritmo inicialmente, mas o algoritmo pode fazer as decisões sobre que as partes dos dados são mais similares entre si.

O reforço que aprende é mais circular. Uma acção ocorre em um ambiente, que conduza a uma recompensa e a uma representação do estado, que feedback à acção.

Métodos da visão por computador

Perturbagens é compostos da pequeno-molécula, RNAs inibitório ou outro combina processos intracelulares de interrupção. Os métodos da visão por computador podem ser empregados para analisar estes, em que as características nas imagens podem ser calculadas e reconhecido por um algoritmo de aprendizagem da máquina.

Os métodos do Teste padrão-unmixing tentam esclarecer eventos contínuos do internamento dentro de uma pilha. Usando a aprendizagem de máquina, isto é feito avaliando a parcela que esta presente em cada um dos lugar subcelulares.

Uma vez que isto foi analisado, aprender modelos generative pode ser usada para criar modelos celulares novos. As imagens novas são sintetizadas basearam nas imagens usadas para treinar o modelo. Isto foi aplicado às pilhas HeLa em duas e três dimensões. Isto permite o estudo de efeitos do perturbagen e de mudanças celulares em conseqüência das doenças e das drogas.

Active que aprende métodos

Um sistema de aprendizagem activo da máquina tem um método para construir um modelo com carácter de previsão dos dados disponíveis e um método para utilizar esse modelo para decidir o levantamento de dados futuro. O sistema pode, conseqüentemente, escolher os pontos de dados a ser recolhidos e adicionado aos dados existentes.

Um dos maiores problema com descoberta da droga está seguindo que composto efectua, assim que afectará o alvo sem alterar outro. Actualmente, os pesquisadores utilizam caminhos, a introspecção, e a intuição conhecidos do sinal.

A aprendizagem de máquina pode ajudar a aerodinâmica a selecção das experiências construindo modelos estatísticos do espaço tridimensional a mais com cuidado para escolher o relevantes.

Aplicações da aprendizagem de máquina na descoberta da droga

Diversas empresas estão colaborando para salvar o dinheiro e o esforço na revelação mal sucedida da droga esforça-se. O gigante farmacêutico Pfizer tem empregado agora um sistema do IBM Watson que usasse a aprendizagem de máquina ajudar a sua busca para drogas da imune-oncologia.

Similar a isto, Genetech do grupo de Roche, um outro gigante farmacêutico, estão colaborando para usar a aprendizagem de máquina em dados biomedicáveis. Igualmente centrar-se-ão primeiramente sobre a imune-oncologia, usando a plataforma causal da aprendizagem de máquina dos cuidados médicos de GNS. O alvo é descobrir e validar candidatos novos potenciais da droga.

Genetech e GNS igualmente planeiam investigar marcadores genéticos da resposta, para desenvolver esperançosamente terapias visadas. Este princípio, que é referido geralmente como a medicina personalizada, é considerado para ser o futuro da medicina. Acredita-se que a aprendizagem de máquina pode ajudar a determinar que genes e sinais genéticos estão trabalhando junto com um tratamento potencial.

Causas da aprendizagem e do potencial de máquina para o interesse

Quando a aprendizagem de máquina for um avanço tecnológico surpreendente, pode igualmente ligeira preocupar-se. No final do dia, a aprendizagem de máquina confia em um conjunto de dados viável e representativo para que o modelo seja construído sobre. Isto faz suscetível “lixo dentro, a uma síndrome assim chamada do lixo para fora”, onde as entradas inclinadas possam causar saídas irrepresentáveis.

Além disso, a matemática específica atrás de como a aprendizagem de máquina faz realmente o que faz não é compreendida inteiramente. Quando um cientista de computador puder emenda os parâmetros das redes neurais dentro do sistema de aprendizagem da máquina, não podem inteiramente explicar o comportamento do modelo.

Conseqüentemente, o sistema de aprendizagem da máquina pode dar uma previsão, mas não dar uma razão para essa previsão. Isto pode criar uma necessidade indesejada para um pulo da fé ao decidir em caminhos e em experiências críticos do sinal na revelação da droga.

Fontes

Further Reading

Last Updated: Oct 17, 2018

Sara Ryding

Written by

Sara Ryding

Sara is a passionate life sciences writer who specializes in zoology and ornithology. She is currently completing a Ph.D. at Deakin University in Australia which focuses on how the beaks of birds change with global warming.

Citations

Please use one of the following formats to cite this article in your essay, paper or report:

  • APA

    Ryding, Sara. (2018, October 17). Aprendizagem de máquina na revelação da droga. News-Medical. Retrieved on September 21, 2020 from https://www.news-medical.net/life-sciences/Machine-Learning-in-Drug-Development.aspx.

  • MLA

    Ryding, Sara. "Aprendizagem de máquina na revelação da droga". News-Medical. 21 September 2020. <https://www.news-medical.net/life-sciences/Machine-Learning-in-Drug-Development.aspx>.

  • Chicago

    Ryding, Sara. "Aprendizagem de máquina na revelação da droga". News-Medical. https://www.news-medical.net/life-sciences/Machine-Learning-in-Drug-Development.aspx. (accessed September 21, 2020).

  • Harvard

    Ryding, Sara. 2018. Aprendizagem de máquina na revelação da droga. News-Medical, viewed 21 September 2020, https://www.news-medical.net/life-sciences/Machine-Learning-in-Drug-Development.aspx.

Comments

The opinions expressed here are the views of the writer and do not necessarily reflect the views and opinions of News Medical.