Ученые разработали систему машинного обучения для создания новых лекарств
Систему машинного обучения (ML) для быстрого и точного предсказания молекулярных свойств разработали исследователи Инженерного колледжа университета Карнеги-Меллона, 4 марта сообщает TechXplore.
В такой отрасли, как разработка лекарств, существуют миллионы молекул, из которых можно выбрать несколько для использования в потенциальном лекарственном препарате-кандидате. Ошибка прогнозирования всего в 1% может привести к неправильной идентификации более десяти тысяч молекул.
Ученые разработали самоконтролируемую систему обучения под названием MolCLR, сокращенно от Молекулярного контрастного обучения с помощью графовых нейронных сетей (GNNS).
«MolCLR значительно повышает производительность моделей ML за счет использования примерно 10 миллионов немаркированных данных о молекулах», — сказал Амир Барати Фаримани, доцент кафедры машиностроения.
Немаркированные данные не являются достоверно полезными. Применяя эту аналогию к миллионам немеченых молекул, на идентификацию которых вручную у людей могут уйти десятилетия, становится очевидной острая необходимость в более интеллектуальных инструментах машинного обучения.
«Мы продемонстрировали, что MolCLR дает возможность проводить эффективный дизайн молекул. Он может быть применен для широкого спектра применений, включая разработку лекарств, хранение энергии и защиту окружающей среды», — сказал Барати Фаримани.
