Ученые разработали готовую модель глубокого обучения для прогнозирования фармацевтических свойств лекарственных препаратов — MolMapNet. Разработка представлена в статье для журнала Nature Machine Intelligence.

Исследователи из университетов Сингапура и Китая разработали MolMapNet, новый инструмент искусственного интеллекта (ИИ). Он прогнозирует фармацевтические свойства лекарств путем анализа представлений о молекулах, основанных на человеческих знаниях.

Хотя инструменты ИИ обычно хороши для распознавания пространственно-упорядоченных изображений (например, изображений объектов), они не так хорошо работают с неупорядоченными данными, такими как молекулярные свойства. Это ухудшает их эффективность при анализе фармацевтических препаратов. Ученые стремились преодолеть это ограничение. Цель — повышение производительности моделей глубокого обучения для прогнозирования фармацевтических свойств препаратов.

Разработанный исследователями инновационный готовый инструмент искусственного интеллекта MolMapNet для глубокого обучения прогнозированию фармацевтических свойств. Начиная с молекулы (вверху справа), ее молекулярные свойства (такие как молекулярные компоненты ниже молекулы) проецируются на 2D-пластину (верхняя пластина многопластинчатой структуры) в виде изображения, распознающего изображения AI (мульти- структура пластины) считывает пиксели изображения для распознавания индикаторов фармацевтических свойств, а затем прогнозирует (два слоя взаимосвязанных звеньев под многопластинчатой структурой) фармацевтические свойства (лекарство и бутылка в нижнем левом углу). Открывшееся поле (внизу справа) указывает, что инструмент AI может использоваться неспециалистами из коробки. Предоставлено: Шен и др.

Создание модели глубокого обучения проходило в три этапа.

• Первый — широкое изучение внутренних взаимосвязей молекулярных свойств более чем 8 млн молекул.
• Второй — использование недавно разработанной техники преобразования данных для отображения молекулярных свойств фармацевтических препаратов в 2D-изображения. Макеты пикселей отражают внутренние отношения между этими свойствами. Они содержат важные индикаторы фармацевтических свойств, которые фиксируются с помощью обученных моделей глубокого обучения.
• Третий — обучение инструмента MolMapNet распознаванию 2D-изображения и использовать их для прогнозирования фармацевтических свойств.

В итоге ИИ может захватывать определенные шаблоны макета пикселей, которые характеризуют определенные фармацевтические свойства. Это похоже на то, как искусственный интеллект различает мужчин и женщин на изображении, изучая различные гендерные особенности. Инновационный ИИ не требует точной настройки параметров, значит, он доступен для неспециалистов.