L'intelligence artificielle plonge dans l'univers des molécules à la recherche d'étonnantes médicaments

La nuit noire, à l'abri de la lumière, les étoiles de la Voie Lactée semblent innombrables. Mais de n'importe quel point à l'oeil nu on ne voit pas plus de 4500 étoiles. Dans notre galaxie, elles 100-400 milliards de galaxies dans l'Univers et plus encore. Sort, dans le ciel n'est pas aussi beaucoup d'étoiles. Cependant, même ce nombre s'ouvre devant nous une profonde histoire à l'intérieur... et les médicaments. Le fait que le nombre de composés organiques à base de capacités dépasse le nombre d'étoiles dans l'Univers de plus de 30 ordres de grandeur. Et chimiques de configuration, qui créent des chercheurs de médicaments existants, c'est comme les étoiles, à qui nous avons pu voir dans le centre de la ville la nuit.

La Recherche de tous les possibles des médicaments neposylnaya tâche pour un homme, et de l'espace physique, et même si nous le pouvions, une grande partie de découvert n'est pas conforme à nos objectifs. Toutefois, l'idée que merveilleuses les médicaments peuvent se cacher parmi l'abondance, trop tentante pour les ignorer.

C'est pourquoi nous devons utiliser l'intelligence artificielle, qui sera en mesure de travailler plus et d'accélérer l'ouverture. Ainsi, estime Alex Alouettes, parlant au Exponentielle Medicine à San Diego la semaine dernière. Cette application peut devenir le plus grand pour l'IA en médecine.

les Chiens, le diagnostic et les médicaments

Alouettes — PRÉSIDENT Insilico Medicine et CSO Biogerontology Research Foundation. Insilico — d'une multitude de start-ups qui développent des IA capable d'accélérer la découverte de nouveaux médicaments et de médicaments.

Ces dernières années, a une Cornue, une technique bien connue de l'apprentissage automatique, — une formation — a réalisé des progrès sur plusieurs fronts. Les algorithmes capables apprenez à jouer à des jeux vidéo, comme AlphaGo Zero ou main de Carnegie-Mellon — représentent le plus grand sujet d'intérêt. Mais la reconnaissance de régularités — c'est ce qui a donné une forte impulsion profonde de l'apprentissage quand les algorithmes d'apprentissage automatique a enfin commencé à distinguer de chats, de chiens et de le faire assez rapidement et avec précision.

Dans la médecine des algorithmes d'apprentissage profond, formé par les bases de données d'images médicales, peuvent mettre la vie en danger de la maladie avec la même ou une plus grande précision que les spécialistes et les gens. Il y a même suggéré que l'IA, si nous apprenons à lui faire confiance, peut-être inestimable lorsque le diagnostic de la maladie. Et comme l'a souligné Alouettes, il vient en plus d'applications et les antécédents ne fera que croître.

«Tesla affiche déjà des voitures dans la rue», dit l'Alouette. «Trois, quatre ans, la technologie a déjà transporte les passagers d'un point A à un point B à une vitesse de 200 kilomètres par heure; une erreur et tu es mort. Mais les gens confient leur vie à cette technologie».

«Pourquoi ne pas faire de même dans l'industrie pharmaceutique?».

des Essais et des erreurs, encore et encore

Dans les études de l'IA n'avez pas à conduire une voiture. Il deviendra l'assistant, qui est accouplé à un chimiste ou deux sera en mesure d'accélérer la découverte de médicaments, en parcourant plus de choix à la recherche des meilleurs candidats.

L'Espace afin d'optimiser et d'améliorer l'efficacité tout simplement énorme, estime Alouettes.

La Recherche de médicaments laborieuse et coûteuse leçon. Les chimistes tamisé, des dizaines de milliers de connexions possibles à la recherche les plus prometteuses. Parmi eux, seul certains partent à la poursuite de l'étude, et encore moins seront testés sur des humains, et de ces généralement les miettes sont approuvés pour une utilisation ultérieure.

L'Ensemble de ce processus peut prendre plusieurs années et coûter des centaines de millions de dollars.

C'Est un problème pour les grandes données (big data), et est profonde de la formation réussit à travailler avec des données volumineuses. Les premières applications ont montré que le système de l'IA sur la base d'un apprentissage en profondeur en mesure de trouver à peine perceptibles de régularités dans des échantillons de données. Bien que les fabricants de médicaments utilisent déjà un logiciel pour le criblage de composés, ce logiciel nécessite des règles claires, écrites par les chimistes. Les avantages de l'IA dans ce fait — la capacité d'apprendre et de s'améliorer eux-mêmes.

«il Existe deux stratégies de l'innovation sur la base de l'IA dans l'industrie pharmaceutique, qui vous assurera les meilleures molécules et rapide d'approbation», dit l'Alouette. «Un à la recherche d'une aiguille dans une botte de foin, et l'autre crée une nouvelle aiguille».

Pour trouver une aiguille dans une botte de foin, les algorithmes sont formés sur une grande base de données de molécules. Ensuite, ils cherchent les molécules les propriétés appropriées. Mais créer une nouvelle aiguille? Fournissent cette fonction générative les réseaux sur lesquels se spécialise Alouettes.

Ces algorithmes mettent deux réseaux de neurones les uns contre les autres. L'un génère un résultat significatif, et l'autre décide si ce résultat est vrai ou faux, dit l'Alouette. Dans l'ensemble, ces réseaux génèrent de nouveaux objets, tels que textes, images ou, dans ce cas, les structures moléculaires.

«Nous ont commencé à utiliser la technologie en particulier, pour les plus profondes des réseaux de neurones imaginé de nouvelles molécules pour la rendre parfaite dès le début. Nous avons besoin d'un idéal de l'aiguille», dit l'Alouette. «Vous pouvez vous référer à cette générative controversée du réseau et demandez-lui de créer des molécules qui inhibent la protéine X, à la concentration de Y, de la vitalité, des caractéristiques prédéterminées et un minimum d'effets secondaires».

Alouettes estime que l'IA peut trouver ou de fabriquer plus d'aiguilles de nombreux moléculaires de possibilités, de libérer des chimistes-les gens, afin qu'ils puissent se concentrer sur la synthèse les plus prometteurs. Si cela fonctionne, comment il espère, nous pourrons augmenter le nombre de hits, de minimisererreurs et, en général, d'accélérer le processus.

l'Affaire est dans le sac

Insilico n'est pas la seule engagé dans la recherche de nouvelles voies à la création de médicaments, et ce n'est pas un nouveau domaine d'intérêt. Dans la dernière année de harvard, le groupe a publié un travail sur le thème de l'IA, de la même façon qui sélectionne les candidatures des médicaments. Le logiciel обучилось 250 000 molécules de médicaments et a utilisé son expérience pour créer de nouvelles molécules qui ont mélangé les médicaments existants et fait des propositions sur la base de leurs propriétés souhaitées. Cependant, comme l'a souligné le MIT Technology Review, les résultats obtenus ne sont pas forcément utiles ou facilement synthétisé dans un laboratoire, et la qualité de ces résultats, comme toujours, très, autant de qualité fournies initialement les données.

Stanford professeur de Chimie Vijay Pande dit que des images, de la parole et du texte — qui sont actuellement les produits de l'intérêt d'un apprentissage en profondeur — le bon et le nettoyage des données. Mais les données chimiques, d'autre part, toujours optimisés pour une formation approfondie. En outre, bien que le public de bases de données existent, la plupart des données est encore en vie derrière la porte fermée de sociétés privées.

Pour surmonter tous les obstacles, la société Жаворонкова axé sur la vérification de la technologie. Mais cette année, le scepticisme dans l'industrie pharmaceutique, il semble, est remplacé par l'intérêt et l'investissement. Même Google peut pénétrer dans la course.

Au fur et à mesure que se développe l'IA et le matériel, le plus grand potentiel doit encore être dévoilée. Peut-être, un jour, tous les 10⁶⁰ de molécules dans le domaine des médicaments seront à notre disposition.