חוקרים מאוניברסיטאות בסינגפור ובסין פיתחו את MolMapNet, כלי חדש לבינה מלאכותית.
למרות שכלי AI הם בדרך כלל טובים עבורזיהוי של תמונות מסודרות במרחב (למשל, תמונות של אובייקטים), הם לא עובדים טוב עם נתונים לא מסודרים כמו תכונות מולקולריות. זה פוגע ביעילותם בניתוח תרופות. מדענים ביקשו להתגבר על מגבלה זו. המטרה היא לשפר את הביצועים של מודלים של למידה עמוקה לחיזוי תכונות פרמצבטיות של תרופות.
חוקרים חדשנייםכלי בינה מלאכותית מוכנה MolMapNet ללימוד עמוק בחיזוי תכונות פרמצבטיות. החל ממולקולה (למעלה מימין), התכונות המולקולריות שלה (כגון רכיבים מולקולריים מתחת למולקולה) מוקרנות על גבי לוח דו-ממדי (לוח עליון של מבנה רב-צלחי) כתמונת זיהוי תמונה AI (מבנה רב-לוח). פיקסלים של תמונה לאינדיקטורי זיהוי של תכונות פרמצבטיות, ואז מנבאים (שתי שכבות של קישורים מחוברים זה לזה מתחת למבנה הרב-לוחית) תכונות תרופתיות (תרופה ובקבוק בפינה השמאלית התחתונה). התיבה שנפתחת (מימין למטה) מציינת כי הכלי AI יכול לשמש לא מומחים מחוץ לקופסה. קרדיט: שן ואח '.
יצירת מודל הלמידה העמוקה התרחשה בשלושה שלבים.
- הראשון הוא מחקר רחב על היחסים הפנימיים של תכונות מולקולריות של יותר מ -8 מיליון מולקולות.
- השני הוא השימוש במכשיר חדש שפותחטכניקות טרנספורמציה של נתונים להצגת התכונות המולקולריות של תרופות בתמונות דו-ממדיות. פריסות פיקסל משקפות את הקשר הפנימי בין מאפיינים אלה. הם מכילים אינדיקטורים חשובים לתכונות פרמצבטיות אשר נלכדים באמצעות מודלים מיומנים למידה עמוקה.
- השלישי הוא לאמן את הכלי MolMapNet לזהות תמונות דו-ממדיות ולהשתמש בהן כדי לחזות תכונות פרמצבטיות.
כתוצאה מכך, AI יכול לתפוס דפוסים מסוימים.פריסת פיקסלים המאפיינת מאפיינים פרמצבטיים מסוימים. זה נראה ככה. כיצד האינטליגנציה המלאכותית מבדילה בין גברים לנשים בתמונה, תוך חקר מאפיינים מגדריים שונים.
בינה מלאכותית חדשנית אינה דורשת כוונון עדין של פרמטרים, מה שאומר שהיא נגישה למי שאינם מומחים.
קרא עוד
תרכובת אורניום חדשה שוברת שיא למוליכות חריגה
המקום הסוער ביותר על פני כדור הארץ: מדוע מעבר דרייק הוא הדרך המסוכנת ביותר לאנטארקטיקה
טעות אבולוציונית: אילו איברים בגוף האדם עובדים בצורה לא הגיונית