L'intelligenza artificiale di immergersi nell'universo di molecole nella ricerca di stupefacenti farmaci

Una notte Buia, lontano dal traffico della luce, le stelle della via Lattea sembrano innumerevoli. Ma da qualsiasi punto ad occhio nudo non si vede più di 4500 stelle. Nella nostra stessa galassia loro 100-400 miliardi di galassie nell'Universo e anche di più. Esce, nel cielo notturno non così tante stelle. Tuttavia, anche questo numero si apre davanti a noi una profonda storia interna... farmaci e farmaci. Il fatto è che il numero di possibili composti organici con farmaci abilità supera il numero di stelle nell'Universo di oltre 30 ordini di grandezza. E chimiche di configurazione, che creano gli scienziati esistenti drug administration, simile alle stelle, che abbiamo potuto vedere nel centro della città di notte.

Cerca tutti i farmaci possibili — un compito impossibile per l'uomo, come la ricerca solo lo spazio fisico, e anche se potessimo, la maggior parte rilevato non sarebbe coerente con i nostri obiettivi. Tuttavia l'idea che meravigliosi i farmaci possono essere tra di abbondanza, troppo seducente per il suo ignorare.

Proprio per questo dobbiamo usare l'intelligenza artificiale, che sarà in grado di lavorare di più e accelerare l'apertura. Così dice Alex Allodole, è intervenuto su Exponential Medicine a San Diego la scorsa settimana. Questa applicazione può essere il più grande per IA in medicina.

i Cani, la diagnosi e i farmaci

Le Allodole — CEO Insilico Medicine e CSO Biogerontology Research Foundation. Insilico — una delle tante start-up che sviluppano intelligenza artificiale, capace di accelerare la scoperta di nuovi farmaci e farmaci.

Negli ultimi anni, ha raccontato le Allodole, nota tecnica di apprendimento automatico apprendimento profondo — ha realizzato progressi su diversi fronti. Algoritmi, in grado di imparare a giocare a videogiochi — come AlphaGo Zero o покериста Carnegie Mellon — rappresentano il più grande oggetto di interesse. Ma il riconoscimento di modelli sono quello che ha dato un forte impulso profondo apprendimento, quando gli algoritmi di machine learning finalmente iniziato a distinguere i gatti i cani e farlo abbastanza rapidamente e con precisione.

In medicina algoritmi di apprendimento profondo, addestrati al database di immagini mediche, possono identificare in pericolo di vita la malattia con uguale o maggiore precisione rispetto specialisti-persone. C'è anche l'ipotesi che l'IA, se impariamo a fidarci di lui, può essere prezioso per la diagnosi della malattia. E come ha sottolineato Allodole, viene più applicazioni e track record sarà solo continuare a crescere.

«Tesla mostra già le auto sulla strada», dice Allodole. «Tre, quattro anni la tecnologia è già trasporta i passeggeri da un punto a ad un punto B sulla velocità di 200 chilometri all'ora; un errore e sei morto. Ma le persone si fidano di loro vita di questa tecnologia».

«Perché non fare lo stesso nel settore farmaceutico?».

di Prova e di errore, di nuovo e di nuovo

Nel settore farmaceutico ricerca AI non dovrà guidare l'auto. Diventerà un assistente, che in coppia con il chimico o due sarà in grado di accelerare la scoperta di farmaci, la navigazione più opzioni alla ricerca delle migliori candidati.

Lo Spazio per ottimizzare e migliorare l'efficienza semplicemente enorme, ritiene Allodole.

La Ricerca di farmaci laborioso e costoso. I chimici setacciata decine di migliaia di possibili connessioni in materia di ricerca più promettenti. Di questi, solo alcuni vanno in un ulteriore studio, e ancora meno saranno sottoposti a test su esseri umani, e di questi in generale le briciole saranno approvati per un ulteriore utilizzo.

Tutto questo processo può richiedere molti anni e costare centinaia di milioni di dollari.

Questo è un problema per quanto riguarda le grandi di dati (big data) e l'apprendimento profondo riesce a lavorare con grandi quantità di dati. Le prime applicazioni hanno dimostrato che il sistema di intelligenza artificiale sulla base di uno studio approfondito, in grado di trovare quasi impercettibili modelli in gigantesche operazioni di recupero di dati. Anche se i produttori di farmaci che già utilizzano il software per la vagliatura di connessioni, il software richiede regole chiare, scritte dai chimici. Pro IA in questo caso — la sua capacità di imparare e migliorare da soli.

«ci sono due strategie di innovazione sulla base di IA nel settore farmaceutico, che vi fornirà le migliori molecole e veloce approvazione», dice Allodole. «Una ricerca di un ago in un pagliaio, e l'altro crea un nuovo ago».

Per trovare un ago in un pagliaio, gli algoritmi sono addestrati su grandi database di molecole. Quindi sono alla ricerca di molecole con opportune proprietà. Ma creare un nuovo ago? Questa opportunità forniscono più discutibili della rete, in cui è specializzato Allodole.

Tali algoritmi messo due reti neurali uno contro l'altro. Una genera un significativo risultato, e l'altro decide se questo è risultato vero o falso, dice Allodole. Collettivamente, queste reti generano nuovi oggetti, come testo, immagine o, in questo caso, le strutture molecolari.

«Abbiamo iniziato a utilizzare questa particolare tecnologia per le reti neurali profonde immaginato nuove molecole, per rendere perfetto fin dall'inizio. Abbiamo bisogno di ideali dell'ago», dice Allodole. «Si può fare riferimento a questo generative discutibile rete e chiederle di creare molecole che inibiscono la proteina X concentrazione di Y, con alto viabilità, le caratteristiche e gli effetti secondari minimi».

Le Allodole ritiene che AI può trovare o fabbricare più aghi dei tanti molecolari possibilità di liberare chimici-persone, in modo che possano concentrarsi sulla sintesi solo più promettenti. Se funziona, come si spera, saremo in grado di aumentare il numero di passaggi, di ridurre al minimoerrori e, in generale, di accelerare il processo.

tanto

Insilico non solo si occupa della ricerca di nuovi percorsi per la creazione di farmaci, e questa non è una nuova area di interesse. L'anno scorso, harvard group ha pubblicato un lavoro sul tema della IA, che allo stesso modo, raccoglie le candidature dei farmaci. Il software обучилось a 250 000 medicinali molecole e ha usato la sua esperienza per la creazione di nuove molecole, che hanno mescolato esistenti farmaci e fatto proposte sulla base di proprietà desiderate. Tuttavia, come ha osservato il MIT Technology Review, i risultati ottenuti non sono sempre importanti o facilmente sintetizzati in laboratorio, e la qualità di questi risultati, come sempre, su quanto di qualità forniti inizialmente i dati.

Stanford professore di Chimica Vijay Pande dice che le immagini del discorso e del testo — che in questo momento sono oggetti di interesse apprendimento profondo — i buoni e i puri dati. Ma dati chimici, d'altra parte, ancora ottimizzati per l'apprendimento profondo. Inoltre, anche se il database pubblici ci sono, la maggior parte dei dati ancora vive dietro la porta chiusa di aziende private.

Per superare tutti gli ostacoli, la società Жаворонкова si concentra sul controllo della tecnologia. Ma quest'anno lo scetticismo nel settore farmaceutico, a quanto pare, è sostituito interesse e degli investimenti. Anche Google può entrare in gara.

Man mano che si sviluppa l'IA e l'hardware, il più grande potenziale deve ancora essere svelato. Forse, un giorno, tutti i 10⁶⁰ di molecole in materia di farmaci saranno a nostra disposizione.