JCIM: машинное обучение может ускорить поиск молекул для лекарств в 10 раз

Ученые из Университета Восточной Финляндии продемонстрировали, что использование машинного обучения в 10 раз ускоряет поиск молекул, которые могут лечь в основу лекарств. Исследование опубликовано в Journal of Chemical Information and Modeling (JCIM).

Поиск потенциальных молекул для создания лекарств требует анализа библиотек с информацией о различных соединениях. Это позволяет определить, какие вещества могут соединиться с мишенью, например, с ферментом вируса, который позволяет ему проникнуть в клетку. Его блокирование может защитить человека от заражения.

Каталоги потенциальных лекарств растут быстрее, чем производительность компьютеров, необходимых для их анализа. Проверка современной библиотеки размером в миллиард соединений на возможность разработки одного лекарственного препарата может занять несколько месяцев или лет, в том числе при использовании самых современных суперкомпьютеров.

В новом исследовании ученые показали, что виртуальный анализ с помощью машинного обучения позволяет в 10 раз сократить время проверки 1,56 миллиарда молекул. Инструмент на основе искусственного интеллекта правильно определил 90% соединений с наибольшим потенциалом для разработки лекарств менее чем за десять дней. Ученые опубликовали результаты работы машинного обучения на портале открытого доступа. Полученные данные могут лечь в основу новых лекарств, а пример ученых поспособствует развитию компьютерного открытия лекарств.