Los cánceres son extremadamente diversos y su naturaleza también varía. La búsqueda de medicamentos y tratamientos efectivos para el cáncer es una de las tareas más importantes de la medicina moderna. Los científicos de todo el mundo están buscando una oportunidad para aumentar al menos ligeramente la efectividad del tratamiento de pacientes con cáncer.
El equipo combinado de especialistas de
Mail.Ru Group ,
Insilico Medicine y
MIPT decidió tratar de atraer una red neuronal
especialmente capacitada para la búsqueda de medicamentos contra el cáncer. El problema es que crear un medicamento efectivo contra el cáncer es una tarea muy difícil. Por lo general, este proceso lleva años. Pero si utiliza tecnología moderna, el tiempo de búsqueda de tales sustancias se reduce significativamente, y el costo del trabajo también se reduce.
La situación se complica por el hecho de que ahora el número de varios compuestos químicos conocidos por el hombre es de decenas de millones. Solo una pequeña fracción de estos compuestos se usa en drogas. En medicina, usan principalmente medicamentos viejos para crear otros nuevos y más efectivos. Cualitativamente, los medicamentos nuevos son relativamente raros. El problema es que, entre todos los millones de compuestos químicos, puede resultar ser una sustancia que es un medicamento eficaz contra una enfermedad compleja, el mismo cáncer.
Pero, ¿cómo determinar que una sustancia es adecuada para usar en medicina? A una persona le llevará años analizar al menos un pequeño porcentaje de compuestos ya conocidos. Sin duda, la tecnología informática puede ayudar. En particular, redes neuronales de autoaprendizaje.
La red neuronal
se creó sobre la base de la arquitectura de los denominados codificadores automáticos adversarios, que, a su vez, son una especie de redes adversas generativas. Para entrenar la red neuronal, los especialistas utilizaron moléculas con propiedades curativas ya conocidas, lo que indica la concentración efectiva de cada sustancia. Primero, la red neuronal se entrenó con tres componentes. Este es un codificador, decodificador y discriminador. El primer componente, junto con el segundo, comprime y restaura la información sobre la molécula original. El discriminador permitió obtener una idea concisa de la molécula más adecuada para la recuperación posterior. Después de trabajar con una gran cantidad de moléculas conocidas, comenzó el trabajo con incógnitas, y los dos primeros componentes se apagaron.
Para "alimentar" la información de una red neuronal sobre una sustancia química, la fórmula habitual no es suficiente. Necesitamos la llamada huella digital, una huella digital de información que contiene toda la información sobre la molécula. El hecho es que una red neuronal necesita la misma longitud de descripción para un objeto para su entrenamiento, en este caso, una molécula de un compuesto químico. Los especialistas formaron huellas digitales basadas en moléculas ya conocidas de compuestos químicos, como se mencionó anteriormente. La información fue alimentada a la red neuronal muchas veces, hasta que la red misma aprendió a generar huellas digitales de moléculas. Los científicos rusos lograron la creación de huellas digitales para 72 millones de moléculas, después de lo cual compararon las huellas digitales de información generadas por la red neuronal con la base.
Fuente: corp.mail.ruEn este proyecto, el conocimiento sobre aproximadamente las cualidades de las moléculas de sustancias que son adecuadas para ser un medicamento también se ha convertido en una buena ayuda. En base a estos criterios, se compararon la base y las impresiones. “Creamos una red neuronal de tipo generativo, es decir, capaz de crear cosas similares en las que se entrenó. Capacitamos un modelo de red que es capaz de crear nuevas huellas digitales con propiedades específicas ”, dice uno de los autores, el estudiante graduado de MIPT Andrei Kazennov.
Con el fin de probar la eficiencia de la red neuronal, los expertos utilizaron una base de datos de patentes de sustancias que ya se sabe que son eficaces contra el cáncer. Inicialmente, la red recibió capacitación en partes de las formas de dosificación y luego se probó en la segunda parte. El trabajo efectivo de la red neuronal se reconocería si pudiera predecir las formas ya conocidas de sustancias, que, sin embargo, no estaban en el conjunto de entrenamiento. Y la red neuronal pudo hacer frente a esta tarea. En varias docenas de las sustancias indicadas por ella, que pueden ser medicamentos contra el cáncer, muchas sí lo son y tienen patentes.
“Las redes adversas generativas que utilizan el aprendizaje reforzado son el futuro de la farmacología. En este artículo, mostramos el primer uso de codificadores automáticos generativos competitivos, GAN, para crear nuevas estructuras moleculares de fármacos antitumorales de acuerdo con ciertos parámetros. Este trabajo se realizó en el verano, y desde entonces hemos progresado significativamente en esta dirección. Realmente espero que pronto podamos desarrollar medicamentos individuales para el tratamiento de enfermedades raras e incluso para el tratamiento de pacientes individuales. Ya este año, la inteligencia artificial comenzará a transformar la industria farmacéutica ”, dice uno de los autores del estudio, Alexander Zhavoronkov.
La búsqueda de medicamentos que puedan tener un efecto efectivo sobre las células cancerosas continúa. Y cada vez más empresas están haciendo esto. Por ejemplo, el
sistema cognitivo Watson , creado por IBM,
hace un trabajo similar.