Ερευνητές από πανεπιστήμια στη Σιγκαπούρη και την Κίνα ανέπτυξαν το MolMapNet, ένα νέο εργαλείο τεχνητής νοημοσύνης.
Αν και τα εργαλεία AI είναι συνήθως καλάαναγνώριση των χωρικά ταξινομημένων εικόνων (για παράδειγμα, εικόνες αντικειμένων), δεν λειτουργούν καλά με διαταραγμένα δεδομένα, όπως μοριακές ιδιότητες. Αυτό μειώνει την αποτελεσματικότητά τους στην ανάλυση των φαρμακευτικών προϊόντων. Οι επιστήμονες προσπάθησαν να ξεπεράσουν αυτόν τον περιορισμό. Ο στόχος είναι να βελτιωθεί η απόδοση των μοντέλων βαθιάς μάθησης για την πρόβλεψη των φαρμακευτικών ιδιοτήτων των φαρμάκων.
Καινοτόμος ερευνητήςέτοιμο εργαλείο τεχνητής νοημοσύνης MolMapNet για βαθιά μάθηση στην πρόβλεψη φαρμακευτικών ιδιοτήτων. Ξεκινώντας με ένα μόριο (πάνω δεξιά), οι μοριακές του ιδιότητες (όπως μοριακά συστατικά κάτω από το μόριο) προβάλλονται σε μια πλάκα 2D (επάνω πλάκα μιας δομής πολλαπλών πλακών) καθώς διαβάζεται μια εικόνα που αναγνωρίζει την εικόνα AI (δομή πολλαπλών πλακών) pixel εικόνας για δείκτες αναγνώρισης φαρμακευτικών ιδιοτήτων και στη συνέχεια προβλέπει (δύο στρώματα διασυνδεμένων συνδέσμων κάτω από τη δομή πολλαπλών πλακών) φαρμακευτικές ιδιότητες (φάρμακο και φιάλη στην κάτω αριστερή γωνία) Το πλαίσιο που ανοίγει (κάτω δεξιά) υποδεικνύει ότι το εργαλείο AI μπορεί να χρησιμοποιηθεί από μη ειδικούς εκτός κουτιού. Πίστωση: Shen et al.
Η δημιουργία του μοντέλου βαθιάς μάθησης πραγματοποιήθηκε σε τρία στάδια.
- Η πρώτη είναι μια ευρεία μελέτη των εσωτερικών σχέσεων μοριακών ιδιοτήτων άνω των 8 εκατομμυρίων μορίων.
- Το δεύτερο είναι η χρήση ενός πρόσφατα ανεπτυγμένουτεχνικές μετατροπής δεδομένων για την εμφάνιση των μοριακών ιδιοτήτων των φαρμακευτικών προϊόντων σε δισδιάστατες εικόνες. Οι διατάξεις Pixel αντικατοπτρίζουν την εσωτερική σχέση μεταξύ αυτών των ιδιοτήτων. Περιέχουν σημαντικούς δείκτες φαρμακευτικών ιδιοτήτων που καταγράφονται χρησιμοποιώντας εκπαιδευμένα μοντέλα βαθιάς μάθησης.
- Το τρίτο είναι να εκπαιδεύσουμε το εργαλείο MolMapNet ώστε να αναγνωρίζει εικόνες 2D και να τις χρησιμοποιεί για την πρόβλεψη φαρμακευτικών ιδιοτήτων.
Ως αποτέλεσμα, το AI μπορεί να συλλάβει ορισμένα μοτίβα.μια διάταξη εικονοστοιχείων που χαρακτηρίζουν ορισμένες φαρμακευτικές ιδιότητες. Μοιάζει έτσι. πώς η τεχνητή νοημοσύνη διακρίνει μεταξύ ανδρών και γυναικών στην εικόνα, μελετώντας διαφορετικά χαρακτηριστικά φύλου.
Η καινοτόμος τεχνητή νοημοσύνη δεν απαιτεί λεπτομερή ρύθμιση των παραμέτρων, πράγμα που σημαίνει ότι είναι προσβάσιμη σε μη ειδικούς.
Διαβάστε περισσότερα
Η νέα ένωση ουρανίου σπάει ρεκόρ για ανώμαλη αγωγιμότητα
Το πιο θυελλώδες μέρος στη Γη: γιατί το Drake Passage είναι η πιο επικίνδυνη διαδρομή προς την Ανταρκτική
Εξελικτικό σφάλμα: ποια όργανα στο ανθρώπινο σώμα λειτουργούν παράλογα