Искусственный интеллект заняли изобретением новых лекарств
Фото с сайта eventbrite.com
Разработчики из Mail.Ru Group, Insilico Medicine и МФТИ впервые применили нейронную сеть к созданию новых лекарственных препаратов. Нейронные состязательные сети, обученные «придумывать» молекулярные структуры, смогли сгенерировать ряд веществ, которые с большой вероятностью могут стать перспективными препаратами. Результаты исследования опубликованы в престижном журнале Оncotarget.
На данный момент в базе неорганических молекул несколько сотен миллионов веществ, и только доля процента из них применяется в медицине. Фармакологические методы создания лекарств носят, в основном, наследственный характер. Например, фармакологи продолжают исследовать аспирин, который применяется уже много лет, что-то добавляют к молекуле, чтобы снизить побочные эффекты или повысить эффективность, но это всё то же вещество. Как выбрать из сотен миллионов принципиально новую молекулу, обладающую лечебными свойствами? Эту задачу исследователи из МФТИ и Insilico Medicine решили с помощью нейронной сети еще в начале 2016 года, опубликовав статью в журнале Molecular Pharmaceuticals. В этот раз исследователи решили пойти дальше и поставили себе иную цель — заставить глубокие нейронные сети “вообразить” структуры молекул, которые могли бы убивать раковые клетки при определенной концентрации, тем самым создав новые молекулы с заранее заданными свойствами.
За основу была взята архитектура состязательных автокодировщиков, являющаяся расширением принципиально нового подхода в глубоком обучении, генеративных состязательных сетей. Для обучения использовались молекулы с известными лечебными свойствами и эффективной концентрацией. Информацию о такой молекуле подавали на вход сети. После того как сеть обучалась на множестве известных молекул, и сеть генерировала описание молекул уже сама.
Для проверки сети использовали базу известных противораковых лекарств. Исследовали сверили сгенерированные сетью соединения с общей базой. Из полученных 69 молекул многие являются активно используемыми противораковыми препаратами. А вот остальные потенциально могут стать основой новых лекарственных препаратов.
«Генеративные состязательные сети с применением обучения с подкреплением — это будущее фармакологии. Наша работа была сделана ещё летом, и с тех пор мы значительно продвинулись в этом направлении. Я очень надеюсь, что в скором времени мы сможем разрабатывать индивидуальные лекарства для лечения редких заболеваний и даже для лечения отдельных пациентов. Уже в этом году искусственный интеллект начнёт трансформировать фармацевтическую индустрию», - говорит один из авторов исследования Александр Жаворонков, глава Insilico Medicine и международный адъюнкт-профессор МФТИ.
«Группой под руководством Александра Жаворонкова сделана замечательная работа, предвещающая прорыв в открытии новых лекарств. Наиболее эффективные лекарства от болезней людьми еще не найдены. Бывает, что препарат много лет используется для лечения одной болезни, например, аспирин, а потом, оказывается, что у него много дополнительных лекарственных применений, о которых люди даже не подозревали и открыли совершенно случайно. Бывают такие истории как с виагрой, которую придумали изначально как средство для борьбы с гипертонией и стенокардией, а потом оказалось, что она гораздо эффективнее для совершенно других целей. Те подходы, которые развивают Александр Жаворонков и еще несколько исследовательских групп во всем мире, обещают прорыв в фармацевтике. Они используют методы искусственного интеллекта для того, чтобы находить наиболее подходящие лекарства от каждой болезни.
В данном случае компьютер обучали на базе молекул с известной противораковой активностью. Нейронная сеть улавливала какие-то закономерности не очевидные человеческому разуму и, применяя эти закономерности к другим молекулам, активность которых по отношению к раку еще не известна, предсказывала, насколько та или иная молекула активна в лечении болезни.
Я думаю этому подходу принадлежит будущее фармацевтики.», - рассказывает поофессор Сколтеха и МФТИ Артем Оганов, не принимавший участие в исследовании.
