Forscher von Universitäten in Singapur und China haben MolMapNet entwickelt, ein neues Tool für künstliche Intelligenz.
Obwohl KI-Tools normalerweise gut fürBei der Erkennung räumlich geordneter Bilder (z. B. Bilder von Objekten) funktionieren sie nicht gut mit ungeordneten Daten wie molekularen Eigenschaften. Dies beeinträchtigt ihre Wirksamkeit bei der Analyse von Arzneimitteln. Wissenschaftler haben versucht, diese Einschränkung zu überwinden. Ziel ist es, die Leistung von Deep-Learning-Modellen zur Vorhersage der pharmazeutischen Eigenschaften von Arzneimitteln zu verbessern.
Forscher innovativfertiges Tool für künstliche Intelligenz MolMapNet für tiefes Lernen bei der Vorhersage pharmazeutischer Eigenschaften. Beginnend mit einem Molekül (oben rechts) werden seine molekularen Eigenschaften (z. B. molekulare Komponenten unterhalb des Moleküls) auf eine 2D-Platte (obere Platte einer Mehrplattenstruktur) projiziert, während ein Bilderkennungsbild AI (Mehrplattenstruktur) gelesen wird Bildpixel für Erkennungsindikatoren für pharmazeutische Eigenschaften und prognostizieren dann (zwei Schichten miteinander verbundener Verbindungen unter der Mehrplattenstruktur) pharmazeutische Eigenschaften (Arzneimittel und Flasche in der unteren linken Ecke). Das sich öffnende Feld (unten rechts) zeigt an, dass das KI-Tool von Nicht-Spezialisten sofort verwendet werden kann. Bildnachweis: Shen et al.
Die Erstellung des Deep-Learning-Modells erfolgte in drei Schritten.
- Die erste ist eine umfassende Untersuchung der internen Beziehungen der molekularen Eigenschaften von mehr als 8 Millionen Molekülen.
- Der zweite ist die Verwendung eines neu entwickeltenDatentransformationstechniken zur Darstellung der molekularen Eigenschaften von Pharmazeutika in 2D-Bildern. Pixellayouts spiegeln die interne Beziehung zwischen diesen Eigenschaften wider. Sie enthalten wichtige Indikatoren für pharmazeutische Eigenschaften, die mithilfe trainierter Deep-Learning-Modelle erfasst werden.
- Die dritte besteht darin, das MolMapNet-Tool darauf zu trainieren, 2D-Bilder zu erkennen und sie zur Vorhersage pharmazeutischer Eigenschaften zu verwenden.
Infolgedessen kann AI bestimmte Muster erfassen.ein Layout von Pixeln, die bestimmte pharmazeutische Eigenschaften charakterisieren. Es sieht so aus. Wie künstliche Intelligenz im Bild zwischen Männern und Frauen unterscheidet und unterschiedliche Geschlechtsmerkmale untersucht.
Innovative KI erfordert keine Feinabstimmung der Parameter und ist daher auch für Laien zugänglich.
weiter lesen
Neue Uranverbindungen brechen Rekord für anomale Leitfähigkeit
Der stürmischste Ort der Erde: Warum die Drake Passage die gefährlichste Route in die Antarktis ist
Evolutionsfehler: Welche Organe im menschlichen Körper arbeiten unlogisch?