|
ИИ может ускорить открытие новых лекарств
|
|
|
|
Разработка жизненно важных лекарств может занять миллиарды долларов и десятилетия, но исследователи из Университета Центральной Флориды стремятся ускорить этот процесс с помощью разработанного ими нового процесса проверки лекарств на основе искусственного интеллекта. Используя метод, который моделирует взаимодействие лекарственного средства и белка-мишени с использованием методов обработки естественного языка, исследователи достигли точности до 97% в определении перспективных кандидатов в лекарства. Результаты были недавно опубликованы в журнале Briefings in Bioinformatics.
|
|
|
|
Этот метод представляет взаимодействие лекарственного средства с белком с помощью слов для каждого сайта связывания белка и использует глубокое обучение для извлечения функций, которые управляют сложными взаимодействиями между ними. «По мере того, как ИИ становится все более доступным, он может справиться с этой задачей», — говорит соавтор исследования Озлем Гарибай, доцент кафедры промышленной инженерии и систем управления UCF. «Вы можете попробовать так много вариантов взаимодействия белков и лекарств и выяснить, какие из них с большей вероятностью будут связываться, а какие нет».
|
|
|
Разработанная ими модель, известная как AttentionSiteDTI, является первой, которую можно интерпретировать с использованием языка сайтов связывания белков. Эта работа важна, потому что она поможет разработчикам лекарств определить критические сайты связывания белков, а также их функциональные свойства, что является ключом к определению эффективности лекарства. Исследователи добились успеха, разработав механизм самоконтроля, который заставляет модель узнавать, какие части белка взаимодействуют с лекарственными соединениями, достигая при этом самых современных результатов прогнозирования.
|
|
|
|
Способность механизма к самоконтролю работает, избирательно фокусируясь на наиболее важных частях белка. Исследователи подтвердили свою модель с помощью лабораторных экспериментов, в которых измерялись связывающие взаимодействия между соединениями и белками, а затем сравнивали результаты с теми, которые были предсказаны их моделью с помощью вычислений. Поскольку препараты для лечения COVID по-прежнему представляют интерес, эксперименты также включали тестирование и проверку лекарственных соединений, которые будут связываться с шиповидным белком вируса SARS-CoV2.
|
|
|
|
Гарибэй говорит, что высокая согласованность между лабораторными результатами и расчетными прогнозами иллюстрирует потенциал AttentionSiteDTI для предварительного скрининга потенциально эффективных лекарственных соединений и ускорения исследования новых лекарств и перепрофилирования существующих. «Это важное исследование стало возможным только благодаря междисциплинарному сотрудничеству между инженерами-материаловедами и AI / ML и учеными-компьютерщиками для изучения открытий, связанных с COVID», — говорит Судипта Сил, соавтор исследования и председатель Департамента материаловедения и инженерии UCF.
|
|
|
|
Мехди Яздани-Джахроми, докторант Колледжа инженерии и компьютерных наук UCF и ведущий автор исследования, говорит, что работа представляет собой новое направление в предварительном скрининге наркотиков. «Это позволяет исследователям использовать ИИ для более точной идентификации лекарств, чтобы быстро реагировать на новые заболевания», — говорит Яздани-Джахроми. «Этот метод также позволяет исследователям определить лучший сайт связывания вирусного белка, чтобы сосредоточиться на разработке лекарств». «Следующим шагом нашего исследования будет разработка новых лекарств с использованием возможностей ИИ», — говорит он. «Естественно, это может стать следующим шагом к подготовке к пандемии».
|
|
|
|
Источник
|
