گروهی از محققان الگوریتم یادگیری ماشینی برای دارورسانی طراحی کرده اند که دو برابر بیشتر از استانداردهای این صنعت کارآیی دارد و می تواند روند توسعه درمان های جدید بیماری ها را سرعت بخشد.
به گزارش گروه علمی ایرنا از پایگاه اطلاع رسانی علمی فیز/phys این گروه از محققان به سرپرستی دانشمندانی از دانشگاه کمبریج انگلیس از این الگوریتم برای شناسایی چهار مولکول جدید استفاده کردند که پروتئینی را فعال می کند. تصور می شود این پروتئین با ابتلا به بیماری آلزایمر و اسکیزوفرنی مرتبط باشد.
بر پایه این گزارش، کلیدی ترین مشکل در دارو رسانی این است که آیا یک مولکول روندی فیزیولوژیکی را فعال می کند یا خیر. طراحی مدلی آماری بر پایه جست وجوی الگوهای شیمیایی مشترک بین مولکول هایی که می دانیم یک روند را فعال می کنند، ممکن است، اما داده لازم برای طراحی این مدل ها محدود است؛ زیرا آزمایش ها در این زمینه پرهزینه است و هنوز نمی دانیم کدام الگوهای شیمیایی از نظر آماری قابل توجه هستند.
دکتر آلفا لی/Dr. Alpha Lee از آزمایشگاه کاوندیش دانشگاه کمبریج و پژوهشگر سرپرست این مطالعه می گوید: یادگیری ماشینی پیشرفت های مهمی را در حوزه هایی چون بینایی رایانه ای پدید آورده که داده به فراوانی در دست است.
وی ادامه داد: مرز بعدی کاوش در این حوزه، کاربردهای علمی مانند دارورسانی است که میزان داده به نسبت محدود است اما ما اطلاعات و برداشت هایی در مورد مشکل داریم و سوال این است که چطور بین داده ها و اصول بنیادین شیمی و فیزیک پیوندی پدید آوریم.
الگوریتمی که دکتر لی و گروه همکارش با همراهی شرکت داروسازی زیستی فیزر طراحی کرده اند، با استفاده از ریاضیات الگوهای شیمیایی مرتبط را از الگوهای غیرمرتبط جدا می کند.
طراحی این الگوریتم از آن جهت اهمیت دارد که هم مولکول های فعال و هم مولکول های غیرفعال را بررسی می کند و در نهایت تشخیص می دهد کدام بخش مولکول برای اقدام دارویی مهم است و کدام بخش ها اهمیتی ندارند. یک اصل ریاضی به نام نظریه ماتریس های تصادفی پیش بینی هایی در مورد مختصات مالی یک مجموعه داده به دست می دهد، نتایج این پیش بینی سپس با آمارهای مختصات شیمیایی مولکول های فعال و غیرفعال مقایسه می شود تا معلوم شود کدام یک از الگوهای شیمیایی واقعا الزام آور هستند در برابر الگوهایی که به طور تصادفی ترکیب می شوند.
این روش شناسی به محققان اجازه داد الگوهای شیمیایی مهم را نه تنها از مولکول های فعال بلکه از مولکول های غیرفعال نیز به دست آورند؛ به عبارت دیگر اکنون می توان با این روش از نتایج آزمایش های بی نتیجه استفاده کرد. محققان یک مدل را با 222 مولکول فعال آغاز کردند و در ادامه توانستند شش میلیون مولکول بیشتر را با رایانه بررسی کنند. آنها با استفاده از این توانستند 100 مولکول را بیابند که بیشترین ارتباط را داشتند و در نهایت 4 مولکول جدید را تعیین کردند که پروتئین گیرنده سی اچ ار ام 1/ CHRM1 receptor را فعال می کنند؛ پروتئینی که در ابتلا به بیماری های آلزایمر و اسکیزوفرنی می تواند موثر باشد.
دکتر لی گفت: توانایی یافتن چهار مولکول فعال از مجموع شش میلیون مولکول مانند یافتن سوزنی در انبار کاه است، مقایسه تک به تک به ما نشان داد که الگوریتم ما دوبرابر کارآمدتر از سطح استاندارد صنعت است.
ساخت مولکول های پیچیده آلی یکی از چالش های اصلی در شیمی است و محققان دانشگاه کمبریج اکنون در حال طراحی الگوریتمی هستند که راه های سنتز مولکول های آلی پیچیده را پیش بینی می کند، همچنین توسعه روش شناسی یادگیری ماشینی برای کشف مواد.
مقاله ای مفصل از یافته های این مطالعه در هفته نامه مقالات آکادمی ملی علوم ایالات متحده آمریکا/PNAS چاپ شده است.
منبع : ایرنا
سوالات کاربران
تاکنون نظری برای این مطلب درج نشده است.
درج نظر