Рассказываем, как с помощью науки о данных открыли новый класс антибиотиков и лекарства от болезней, включая COVID-19.
В 2020 году учёные из Массачусетского технологического института с помощью нейронных сетей впервые за 30 лет нашли новое вещество с высокой антибактериальной эффективностью.
Антибиотик получил название халицин (halicin) в честь вымышленного суперкомпьютера HAL 9000. Вещество испытали на лабораторных мышах и получили отличные результаты.
Специалисты по анализу данных целенаправленно искали новый антибиотик, используя для этого нейронные сети.
Программисты Массачусетского технологического института обучили свою основную нейросеть на 2400 записях об известных веществах, обладающих антибактериальной эффективностью.
Чтобы нейронная сеть могла эффективно работать с данными, информацию о молекулах лекарственных веществ по специальному алгоритму преобразовали в наборы чисел, которые затем подавали на входы сети.
После обучения в нейросеть загрузили базу, содержащую 6100 записей о молекулах, про которые не знали, есть ли среди них искомые антибиотики.
Затем ― ещё одну базу, в ней было уже 107 миллионов записей. Из этого огромного массива информации искусственный интеллект выделил несколько десятков подходящих молекул.
Затем записи об отобранных основной нейросетью веществах подали на вторую ― вспомогательную ― нейронную сеть.
В итоге у специалистов по анализу данных осталось только девять потенциально подходящих веществ, среди которых и была молекула SU-3327.
В 2020 году учёные из Массачусетского технологического института с помощью нейронных сетей впервые за 30 лет нашли новое вещество с высокой антибактериальной эффективностью.
Антибиотик получил название халицин (halicin) в честь вымышленного суперкомпьютера HAL 9000. Вещество испытали на лабораторных мышах и получили отличные результаты.
Специалисты по анализу данных целенаправленно искали новый антибиотик, используя для этого нейронные сети.
Программисты Массачусетского технологического института обучили свою основную нейросеть на 2400 записях об известных веществах, обладающих антибактериальной эффективностью.
Чтобы нейронная сеть могла эффективно работать с данными, информацию о молекулах лекарственных веществ по специальному алгоритму преобразовали в наборы чисел, которые затем подавали на входы сети.
После обучения в нейросеть загрузили базу, содержащую 6100 записей о молекулах, про которые не знали, есть ли среди них искомые антибиотики.
Затем ― ещё одну базу, в ней было уже 107 миллионов записей. Из этого огромного массива информации искусственный интеллект выделил несколько десятков подходящих молекул.
Затем записи об отобранных основной нейросетью веществах подали на вторую ― вспомогательную ― нейронную сеть.
В итоге у специалистов по анализу данных осталось только девять потенциально подходящих веществ, среди которых и была молекула SU-3327.