Advertencia: Esta página es una traducción de esta página originalmente en inglés. Tenga en cuenta ya que las traducciones son generadas por máquinas, no que todos traducción será perfecto. Este sitio Web y sus páginas están destinadas a leerse en inglés. Cualquier traducción de este sitio Web y su páginas Web puede ser imprecisa e inexacta en su totalidad o en parte. Esta traducción se proporciona como una conveniencia.

Los científicos aplican la red neuronal generativa para crear nuevo remedio farmacéutico

Los científicos del grupo de Mail.Ru, del remedio de Insilico y de MIPT han aplicado por primera vez una red neuronal generativa para crear nuevo remedio farmacéutico con las características deseadas. Usando las redes Adversarial generativas (GANs) desarrolladas y entrenadas “invente” las nuevas estructuras moleculares, puede pronto haber una reducción dramática en la época y el costo de explorar para las substancias con las propiedades medicinales potenciales. Los investigadores se preponen utilizar estas tecnologías en la búsqueda para las nuevas medicaciones dentro de diversas áreas de la oncología a CVDs e incluso anti-infectives. Los primeros resultados fueron sometidos a Оncotarget en junio de 2016 y pasaron varios meses en revista. Desde entonces, el grupo ha llevado a cabo muchas mejoras al sistema y ha empeñado con algunas de las compañías farmacéuticas de cabeza.

Actualmente, la base inorgánica de la molécula contiene cientos de millones de substancias, y solamente una pequeña parte se utilizan en drogas medicinales. Los métodos farmacológicos de drogas de la fabricación tienen generalmente una naturaleza hereditaria. Por ejemplo, los farmacólogos pudieron continuar investigar aspirin que ha sido ya funcionando durante muchos años, quizás agregar algo en la composición reducir efectos secundarios o aumentar eficiencia, con todo la substancia todavía sigue siendo lo mismo. A principios de este año, los científicos en el remedio de Insilico demostraron que es posible estrechar substancialmente la búsqueda usando redes neuronales profundas. Pero ahora se han centrado en una pregunta mucho más desafiadora: ¿Hay una ocasión de crear las moléculas conceptual nuevas con las propiedades medicinales usando el sabor nuevo de las redes neuronales profundas entrenadas en millones de estructuras moleculares?

La configuración Adversarial generativa (AAE) de Autoencoder, una extensión de redes Adversarial generativas, fue tomada como la base, y las composiciones con las propiedades medicinales sabidas y las concentraciones eficientes fueron utilizadas para entrenar al sistema. La información sobre estos tipos de composiciones fue entrada en la red, que entonces fue ajustada de modo que los mismos datos fueran detectados en el rendimiento. La red sí mismo fue compuesta de tres elementos estructurales: un codificador, un descifrador y un discriminador, que tenían su propio papel específico en la “cooperación” con los otros dos. El codificador trabajado con el descifrador para comprimir y después para restablecer la información sobre la composición del padre, mientras que el discriminador ayudado a hacer la presentación comprimida más conveniente para la recuperación subsiguiente. La red aprendió una vez una banda ancha de las moléculas sabidas, el codificador y el discriminador “cambiados de”, y las descripciones generadas red de las moléculas en sus los propio usando el descifrador.

Desarrollar las redes Adversarial generativas que producen las imágenes de alta calidad basadas en entradas textuales requiere experiencia sustancial y tiempo de entrenamiento muy largo en el equipo del ordenador de alto rendimiento. Pero con imágenes y vídeos, los seres humanos pueden realizar rápidamente el control de calidad del rendimiento. En biología, el control de calidad no se puede realizar por el aro humano y un considerable número de experimentos de la validación será requerido para producir las grandes moléculas.

Se representan todas las moléculas como, o “sonríen” las anotaciones gráficas de las substancias químicas que permiten que su estructura sea restablecida. La inscripción estándar enseñada en escuelas no ajusta para la red que tramita, pero las sonrisas no hacen el trabajo muy bien tampoco, pues tienen un largo al azar a partir de un símbolo a 200. El entrenamiento de la red neuronal requiere un largo igual de la descripción para el vector. La “huella dactilar” de una molécula resolverá esta tarea, como contiene la información completa sobre la molécula. Hay muchos métodos ahí fuera para hacer estas huellas dactilares, pero los investigadores utilizaron el binario más simple uno disponible consistiendo en 166 dígitos. Convirtieron sonrisas en huellas dactilares y enseñaron a la red con ellas, después de lo cual las huellas dactilares de composiciones medicinales sabidas fueron entradas en la red. El trabajo de la red era dotar pesos internos del parámetro de la neurona de modo que la entrada especificada creara el rendimiento especificado. Esta operación entonces fue relanzada muchas veces, como ésta es cómo el entrenamiento con una gran cantidad de datos se realiza. Como consecuencia, una “caja negra” capaz de producir un rendimiento especificado para la entrada especificada fue creada, después de lo cual los reveladores quitaron las primeras capas, y la red generó las huellas dactilares en sí mismo cuando la información fue funcionada con a través otra vez. Los científicos construyeron así “huellas dactilares” para 72 millones de moléculas, y después compararon las huellas dactilares red-generadas con la base. Las moléculas seleccionadas deben potencialmente poseer las calidades especificadas.

Andrei Kazennov, uno de los autores del estudio y un MIPT graduado quién trabaja en el remedio de Insilico, comenta:

Hemos creado una red neuronal del tipo reproductivo, es decir capaz de producir los objetos similares a lo que fue entrenada conectado. Enseñamos final a este modelo de red para crear las nuevas huellas dactilares basadas en propiedades especificadas.

La base de datos anticáncer de la droga fue utilizada para verificar la red. Primero la red fue entrenada en una mitad de las composiciones medicinales, y en seguida comprobada la otra partición. El propósito era predecir las composiciones sabidas pero no incluidas ya en el equipo del entrenamiento. Se han determinado un total de 69 composiciones previstas, y los centenares de moléculas desarrolladas usando una extensión más potente del método están en la manera.

Según uno de los autores de la investigación, de Alex Zhavoronkov, del fundador del remedio de Insilico y del profesor internacional del adjunto en MIPT:

A diferencia de los muchos otros métodos populares en profundamente el aprendizaje, las redes Adversarial generativas (GANs) fueron propuestas solamente recientemente, en 2014, por Ian Goodfellow y el grupo y los científicos de Yoshua Bengio todavía están explorando su potencia en generar imágenes significativas, los vídeos, las obras de arte e incluso música. El paso del progreso está acelerando y pronto somos probables ver enormes avances el provenir de combinaciones de GANs con otros métodos. Pero todo que mis grupos están trabajando conectado se relaciona con ampliar la longevidad humana, durabilidad y el aumento de funcionamiento. Cuando los seres humanos van a Marte, necesitarán las herramientas ser más resistentes a toda clase de tensión y poder generar el remedio apuntado a pedido. Seremos los que suministran estas herramientas.

“GANs es mucho la frente de la neurología. Está muy sin obstrucción que pueden ser utilizados para una variedad mucho más amplia de tareas que la generación simple de imágenes y de música. Probamos esta aproximación con bioinformática y obtuvimos grandes resultados,” concluye a Arturo Kadurin, programador del guía del grupo de Mail.Ru de las personas óptimas de la búsqueda y del consejero independiente de la ciencia del remedio de Insilico.