Attenzione: questa pagina è una traduzione automatica di questa pagina originariamente in lingua inglese. Si prega di notare in quanto le traduzioni sono generate da macchine, non tutte le traduzioni saranno perfetti. Questo sito web e le sue pagine web sono destinati ad essere letto in inglese. Ogni traduzione del sito e le sue pagine web possono essere imprecise e inesatte, in tutto o in parte. Questa traduzione è fornita per comodità.

Gli scienziati applicano la rete neurale generativa per creare le nuove medicine farmaceutiche

Gli scienziati dal gruppo di Mail.Ru, dalla medicina di Insilico e da MIPT per la prima volta hanno applicato una rete neurale generativa per creare le nuove medicine farmaceutiche con le caratteristiche desiderate. Usando le reti contraddittorie generative (GANs) sviluppate e preparate “inventi„ le nuove strutture molecolari, ci può presto essere una riduzione drammatica del periodo e del costo di ricerca le sostanze con i beni medicinali potenziali. I ricercatori intendono utilizzare queste tecnologie nella ricerca per i nuovi farmaci all'interno di varie aree dall'oncologia a CVDs e perfino anti--infectives. I primi risultati sono stati presentati a Оncotarget nel giugno 2016 ed hanno passare parecchi mesi nell'esame. Da allora, il gruppo ha apportato molti miglioramenti al sistema e si è impegnato con alcune delle ditte farmaceutiche principali.

Corrente, la base inorganica della molecola contiene le centinaia di milioni di sostanze e soltanto una piccola frazione loro sono utilizzate in droghe medicinali. I metodi farmacologici delle droghe di fabbricazione hanno generalmente una natura ereditaria. Per esempio, i farmacologi potrebbero continuare a ricercare l'aspirina che già è stata per molti anni in uso, forse aggiungere qualcosa nel composto diminuire gli effetti secondari o aumentare il risparmio di temi, eppure la sostanza ancora rimane la stessa. All'inizio di quest'anno, gli scienziati alla medicina di Insilico hanno dimostrato che è possibile limitare sostanzialmente la ricerca facendo uso delle reti neurali profonde. Ma ora hanno messo a fuoco su una domanda molto più provocatoria: C'è una probabilità creare le molecole concettualmente nuove con i beni medicinali usando il sapore novello delle reti neurali profonde preparate su milioni di strutture molecolari?

L'architettura contraddittoria generativa (AAE) di Autoencoder, un'estensione delle reti contraddittorie generative, è stata catturata come la base ed i composti con i beni medicinali conosciuti e le concentrazioni efficienti sono stati usati per preparare il sistema. Le informazioni su questi tipi di composti sono state introdotte nella rete, che era poi regolato in modo che gli stessi dati si acquistassero nell'output. La rete stessa si è composta di tre elementi strutturali: un codificatore, un decodificatore e un discriminatore, di cui ciascuno hanno avuti suo proprio ruolo specifico “nella cooperazione„ con gli altri due. Il codificatore lavorato con il decodificatore per comprimere e poi riparare informazioni sul composto del genitore, mentre il discriminatore contribuito a rendere la presentazione compressa più adatta a ripristino successivo. La rete ha imparato una volta un'ampia banda delle molecole conosciute, il codificatore ed il discriminatore “passati fuori da„ e le descrizioni generate la rete delle molecole da sè facendo uso del decodificatore.

Sviluppare le reti contraddittorie generative che producono le immagini di alta qualità basate sugli input testuali richiede la competenza sostanziale ed il lungo tempo di addestramento sulla strumentazione di computer a alto rendimento. Ma con le immagini ed i video, gli esseri umani possono eseguire rapidamente il controllo di qualità dell'output. Nella biologia, il controllo di qualità non può essere eseguito dall'occhio umano e un considerevole numero degli esperimenti di convalida sarà richiesto per produrre le grandi molecole.

Tutte le molecole sono rappresentate come “sorride„, o le annotazioni grafiche delle sostanze chimiche che permettono che la loro struttura sia riparata. La registrazione standard insegnata a in banchi non si adatta per trattamento della rete, ma i sorrisi non fanno molto bene il processo neanche, poichè hanno una lunghezza casuale da un simbolo a 200. L'addestramento della rete neurale richiede una lunghezza uguale di descrizione per il vettore. “L'impronta digitale„ di una molecola risolverà questo compito, come contiene le informazioni complete sulla molecola. Ci sono molti metodi là fuori per la fabbricazione delle queste impronte digitali, ma i ricercatori hanno usato il file binario più semplice uno disponibile consistendo di 166 cifre. Hanno convertito i sorrisi in impronte digitali ed hanno insegnato alla rete con loro, dopo di che le impronte digitali dei composti medicinali conosciuti sono state introdotte nella rete. Il processo della rete era di assegnare i pesi interni di parametro del neurone in modo che l'input specificato creasse l'output specificato. Questa operazione poi è stata ripetuta molte volte, come questa è come prepararsi con un gran quantità di dati è eseguita. Di conseguenza, “una scatola nera„ capace della produzione dell'output specificato per l'input specificato è stata creata, dopo di che i rivelatori hanno eliminato i primi livelli e la rete ha generato le impronte digitali da sè quando le informazioni sono state passate ancora. Gli scienziati hanno costruito così “le impronte digitali„ per tutte e 72 le milione molecole e poi hanno paragonato le impronte digitali rete-generate alla base. Le molecole selezionate devono potenzialmente possedere le qualità specificate.

Andrei Kazennov, uno degli autori dello studio e un MIPT postuniversitario chi lavora alla medicina di Insilico, osservazioni:

Abbiamo creato una rete di un neurone del tipo riproduttivo, cioè capace della produzione degli oggetti simili a cui è stato preparato sopra. Infine abbiamo insegnato a questo modello di rete per creare le nuove impronte digitali basate sulle proprietà specifiche.

Il database anticancro della droga è stato usato per controllare la rete. In primo luogo la rete è stata preparata su a metà dei composti medicinali e poi è stata verificata l'altro divisorio. Lo scopo era di predire i composti già conosciuti ma non inclusi nell'insieme di addestramento. Complessivamente 69 composti preveduti sono stati identificati e le centinaia di molecole sviluppate facendo uso di un'estensione più potente del metodo sono sul modo.

Secondo uno degli autori della ricerca, di Alex Zhavoronkov, del fondatore della medicina di Insilico e di professore dell'aggiunta dell'internazionale a MIPT:

A differenza dei molti altri metodi popolari in profondità nell'apprendimento, le reti contraddittorie generative (GANs) sono state proposte soltanto recentemente, nel 2014, da Ian Goodfellow ed il gruppo e gli scienziati di Yoshua Bengio ancora stanno esplorando la sua potenza nella generazione le immagini, i video, le opere d'arte e perfino della musica significativi. Il passo di progresso sta accelerando e presto saremo probabili vedere gli avanzamenti tremendi provenire dalle combinazioni di GANs con altri metodi. Ma tutto che i miei gruppi stiano lavorando sopra si riferisce all'estensione della longevità umana, la durevolezza e ad aumentare la prestazione. Quando gli esseri umani vanno a Marte, avranno bisogno degli strumenti di essere più resilienti a tutti i tipi di sforzo e di potere generare la medicina mirata a a richiesta. Saremo quei che forniamo questi strumenti.

“GANs è molto la linea di battaglia di neuroscienza. È evidente che possono essere usati per una varietà molto più vasta di mansioni che la generazione semplice di immagini e di musica. Abbiamo provato questo approccio con bioinformatica ed abbiamo ottenuto i grandi risultati,„ conclude Artur Kadurin, programmatore del cavo del gruppo di Mail.Ru del gruppo d'ottimizzazione di ricerca e del Consigliere indipendente di scienza della medicina di Insilico.