Out-of-the-box dyb læringsmodel forudsiger lægemidlers farmaceutiske egenskaber

Forskere fra universiteter i Singapore og Kina har udviklet MolMapNet, et nyt kunstig intelligensværktøj.

intelligens (AI). Den forudsiger lægemidlers farmaceutiske egenskaber ved at analysere ideer om molekyler baseret på menneskelig viden.

Selvom AI-værktøjer normalt er gode tilgenkendelse af rumligt ordnede billeder (for eksempel billeder af objekter), fungerer de ikke godt med uordnede data såsom molekylære egenskaber. Dette forringer deres effektivitet i analysen af ​​lægemidler. Forskere har forsøgt at overvinde denne begrænsning. Målet er at forbedre ydeevnen hos dyb læringsmodeller til forudsigelse af farmaceutiske egenskaber ved lægemidler.

Forskernes innovativefærdiglavet kunstig intelligensværktøj MolMapNet til dyb læring i forudsigelse af farmaceutiske egenskaber. Startende med et molekyle (øverst til højre) projiceres dets molekylære egenskaber (såsom molekylære komponenter under molekylet) på en 2D-plade (øverste plade med en flerpladestruktur) som et billede, der genkender billede AI (flerpladestruktur) læser billedpixels til genkendelsesindikatorer for farmaceutiske egenskaber og forudsiger derefter (to lag af sammenkoblede led under flerpladestrukturen) farmaceutiske egenskaber (lægemiddel og flaske i nederste venstre hjørne). Boksen, der åbnes (nederst til højre), indikerer, at AI-værktøjet kan bruges af ikke-specialister uden for boksen. Kredit: Shen et al.

Oprettelsen af ​​den dybe læringsmodel fandt sted i tre faser.

  • Den første er en bred undersøgelse af de indre forhold mellem molekylære egenskaber og mere end 8 millioner molekyler.
  • Den anden er brugen af ​​en nyudvikletdatatransformationsteknikker til visning af farmaceutiske molekylære egenskaber i 2D-billeder. Pixellayouts afspejler det interne forhold mellem disse egenskaber. De indeholder vigtige indikatorer for farmaceutiske egenskaber, der fanges ved hjælp af uddannede dyb læringsmodeller.
  • Den tredje er at træne MolMapNet-værktøjet til at genkende 2D-billeder og bruge dem til at forudsige farmaceutiske egenskaber.

Som et resultat kan AI opfange bestemte mønstre.et layout af pixels, der karakteriserer visse farmaceutiske egenskaber. Det ser sådan ud. hvordan kunstig intelligens skelner mellem mænd og kvinder i billedet ved at studere forskellige kønskarakteristika.

Innovativ kunstig intelligens kræver ikke finjustering af parametre, hvilket betyder, at den er tilgængelig for ikke-specialister. 

Læs mere

Ny uranforbindelse slår rekord for unormal ledningsevne

Det stormigste sted på jorden: hvorfor Drake Passage er den farligste rute til Antarktis

Evolutionær fejl: hvilke organer i menneskekroppen fungerer ulogisk