Cientistas russos envolveram uma rede neural na busca por medicamentos anticâncer

Os cânceres são extremamente diversos e sua natureza também varia. A busca por medicamentos e tratamentos eficazes para o câncer é uma das tarefas mais importantes da medicina moderna. Cientistas de todo o mundo estão procurando uma oportunidade de aumentar pelo menos um pouco a eficácia do tratamento de pacientes com câncer.

A equipe combinada de especialistas do Mail.Ru Group , Insilico Medicine e MIPT decidiu tentar atrair uma rede neural especialmente treinada para a busca de medicamentos anticâncer. O problema é que a criação de um medicamento anticâncer eficaz é uma tarefa muito difícil. Geralmente esse processo leva anos. Mas se você usar a tecnologia moderna, o tempo de pesquisa para essas substâncias será reduzido significativamente e o custo do trabalho também será reduzido.

A situação é complicada pelo fato de que agora o número de vários compostos químicos conhecidos pelo homem é dezenas de milhões. Apenas uma pequena fração desses compostos é usada em drogas. Na medicina, eles usam principalmente medicamentos antigos para criar novos e mais eficazes. Qualitativamente novos medicamentos são relativamente raros. O problema é que, entre todos os milhões de compostos químicos, pode ser uma substância que é um remédio eficaz contra uma doença complexa, o mesmo câncer.

Mas como determinar se uma substância é adequada para uso em medicina? Uma pessoa levará anos para analisar pelo menos alguns por cento dos compostos já conhecidos. Sem dúvida, a tecnologia de computador pode ajudar. Em particular, redes neurais de auto-aprendizado.

A rede neural foi criada com base na arquitetura dos chamados auto-codificadores adversários, que, por sua vez, são uma espécie de redes adversárias generativas. Para treinar a rede neural, os especialistas usaram moléculas com propriedades curativas já conhecidas, indicando a concentração efetiva de cada substância. Primeiro, a rede neural foi treinada usando três componentes. Este é um codificador, decodificador e discriminador. O primeiro componente, juntamente com o segundo, compactou e restaurou informações sobre a molécula original. O discriminador tornou possível obter uma idéia concisa da molécula mais adequada para recuperação subsequente. Depois de trabalhar com um grande número de moléculas conhecidas, o trabalho com incógnitas começou e os dois primeiros componentes foram desativados.

Para “alimentar” uma informação de rede neural sobre uma substância química, a fórmula usual não é suficiente. Precisamos da chamada impressão digital, uma impressão digital de informações que contém todas as informações sobre a molécula. O fato é que uma rede neural precisa do mesmo comprimento de descrição de um objeto para seu treinamento, neste caso, uma molécula de um composto químico. Os especialistas formaram impressões digitais baseadas em moléculas já conhecidas de compostos químicos, como mencionado acima. As informações foram enviadas à rede neural várias vezes, até que a própria rede aprendeu a gerar impressões digitais de moléculas. Cientistas russos conseguiram a criação de impressões digitais para 72 milhões de moléculas, após o que compararam as impressões digitais de informações geradas pela rede neural com a base.


Fonte: corp.mail.ru

Neste projeto, o conhecimento sobre aproximadamente as qualidades das moléculas de substâncias adequadas para ser um medicamento também se tornou uma boa ajuda. Com base nesses critérios, a base e as impressões foram comparadas. “Criamos uma rede neural de tipo generativo, isto é, capaz de criar coisas semelhantes nas quais foi treinada. Treinamos um modelo de rede capaz de criar novas impressões digitais com propriedades especificadas ”, diz um dos autores, Andrei Kazennov, estudante de graduação do MIPT.

Para testar a eficiência da rede neural, os especialistas usaram um banco de dados de patentes de substâncias que já são conhecidas por serem medicamentos anticancerígenos eficazes. Inicialmente, a rede foi treinada em partes das formas de dosagem e depois testada na segunda parte. O trabalho efetivo da rede neural seria reconhecido se pudesse prever as formas já conhecidas de substâncias que, no entanto, não estavam no conjunto de treinamento. E a rede neural foi capaz de lidar com essa tarefa. Em várias dezenas de substâncias indicadas por ela, que podem ser drogas anticâncer, muitas são realmente essas e possuem patentes.



“Redes contraditórias generativas usando aprendizado reforçado são o futuro da farmacologia. Neste artigo, mostramos o primeiro uso de auto-codificadores generativos competitivos, GANs, para criar novas estruturas moleculares de medicamentos antitumorais de acordo com determinados parâmetros. Esse trabalho foi realizado no verão e, desde então, fizemos um progresso significativo nessa direção. Eu realmente espero que em breve possamos desenvolver medicamentos individuais para o tratamento de doenças raras e até mesmo para o tratamento de pacientes individuais. Já este ano, a inteligência artificial começará a transformar a indústria farmacêutica ”, diz um dos autores do estudo, Alexander Zhavoronkov.

A busca por medicamentos que possam ter um efeito efetivo nas células cancerígenas continua. E mais e mais empresas estão fazendo isso. Por exemplo, o sistema cognitivo Watson , criado pela IBM, faz um trabalho semelhante.