UBC araştırmacıları, bir sonraki tasarımcı ilaçlarını tahmin etmek için bilgisayarları eğitiyor

UBC araştırmacıları, bir sonraki tasarımcı ilaçlarını piyasaya çıkmadan önce tahmin etmek için bilgisayarları eğitti. Kredi: Raimond Klavins, Unsplash’ta

UBC araştırmacıları, bir sonraki tasarımcı ilaçlarını daha piyasaya çıkmadan, hayat kurtarabilecek teknolojiyi tahmin etmek için bilgisayarları eğitti.

Gizli kimyagerler klasik kötüye kullanım ilaçları ile aynı psikoaktif etkilere sahip yeni molekülleri sentezlemeye ve dağıtmaya çalışırken bile, kolluk kuvvetleri banyo tuzları ve sentetik opioidler gibi tehlikeli psikoaktif ilaçların yeni versiyonlarını belirlemek ve düzenlemek için bir yarış içindedir.

Ele geçirilen haplar veya tozlar içindeki bu sözde “yasal zirveleri” belirlemek aylar alabilir ve bu süre zarfında binlerce insan yeni bir tasarım ilacı kullanmış olabilir.

Ancak yeni araştırmalar, tehlikeli psikoaktif ilaçların yeni versiyonlarını belirleme ve düzenleme yarışında çok önemli olan, dünyanın dört bir yanındaki kolluk kuvvetlerinin teşhis süresini aylardan günlere indirmesine yardımcı oluyor.

Araştırmayı doktora olarak tamamlayan UBC tıp öğrencisi Dr. Michael Skinnider, “Bu tasarım ilaçlarının büyük çoğunluğu hiçbir zaman insanlarda test edilmedi ve tamamen düzenlenmedi. Bunlar dünya çapında acil servisler için önemli bir halk sağlığı sorunudur” diyor. UBC’nin Michael Smith Laboratuvarlarında öğrenci.

A Azınlık Raporu yeni tasarımcı ilaçları için

Dr. Skinnider ve meslektaşları, bu ilaçların yapıları üzerinde bir yapay zeka algoritması eğitmek için dünya çapındaki adli laboratuvarların katkılarıyla bilinen psikoaktif maddelerden oluşan bir veri tabanını kullandılar. Derin sinir ağı olarak bilinen kullandıkları algoritma, insan beyninin yapısından ve işlevinden ilham alıyor.

Bu eğitime dayanarak, model yaklaşık 8,9 milyon potansiyel tasarımcı ilacı üretti.

Bu moleküller daha sonra, model eğitildikten sonra yasa dışı piyasada ortaya çıkan 196 yeni tasarım ilacına karşı test edildi. Araştırmacılar, oluşturulan sette yüzde 90’dan fazlasının bulunduğunu buldu.

Başka bir deyişle, model, eğitildiğinden beri keşfedilen yeni ilaçların neredeyse tamamını tahmin edebildi.

“Hangi tasarımcı ilaçlarının piyasaya çıkmadan önce ortaya çıkacağını tahmin edebilmemiz, 2002’deki bilimkurgu filmine biraz benziyor. Azınlık Raporugerçekleşecek olan suç faaliyetleri hakkında önceden bilgi sahibi olmanın, gelecekteki bir dünyada suçları önemli ölçüde azalttığını” açıklıyor kıdemli yazar Dr. David Wishart (o / o), Alberta Üniversitesi’nde bilgisayar bilimi profesörü.

“Aslında, yazılımımız kanun uygulayıcı kurumlara ve halk sağlığı programlarına gizli kimyagerler konusunda bir adım önde başlıyor ve nelere dikkat etmeleri gerektiğini bilmelerini sağlıyor.”

Aylar yerine günlerde tanımlama

Bu, hala tamamen bilinmeyen maddelerin nasıl kolayca tanımlanacağı sorununu bıraktı.

Araştırmacılar, modelin ayrıca hangi moleküllerin piyasada görünme olasılığının daha yüksek olduğunu ve hangilerinin daha az olası olduğunu öğrendiğini buldu. Leonard Foster, “Bu olasılığı, bilinmeyen bir ilacın ne olduğunu belirlemek için kullanıp kullanamayacağımızı merak ettik – bu, bir kimyagerin kütle spektrometrisi kullanarak herhangi bir hap veya tozu ölçmesi kolay olan yalnızca kütlesine dayalıdır” (o / o), UBC’de biyokimya bölümünde profesör ve kütle spektrometrisi konusunda uluslararası kabul görmüş bir uzman.

Araştırmacılar, 196 yeni tasarım ilacının her birini kullanarak bu hipotezi test etti. Araştırmacılar, yalnızca kütleyi kullanarak, modellerinin, zamanın yüzde 72’sinde ilk 10 aday arasında tanımlanamayan bir tasarımcı ilacın doğru kimyasal yapısını sıraladığını buldular. Kolayca elde edilen bir başka ölçüm olan tandem kütle spektrometrisi verilerinin entegre edilmesi, bunu yüzde 86’ya çıkardı. Tek bir tahmine gelindiğinde, model zamanın yüzde 51’inde doğru yapıyı tahmin edebiliyordu.

“Modelin bu kadar iyi performans göstermesi bizi şok etti, çünkü tüm kimyasal yapıları sadece doğru bir kütle ölçümünden açıklamanın genellikle çözülemez bir sorun olduğu düşünülüyor. Ve milyarlarca yapıdan oluşan bir listeyi 10 adaylık bir diziye daraltmak büyük ölçüde olabilir. yeni tasarımcı ilaçların kimyagerler tarafından tanımlanma hızını hızlandırın” diyor Dr. Skinnider.

Dr. Skinnider, atletik doping için yeni performans arttırıcı ilaçların belirlenmesinden, insan kanında ve idrarında önceden bilinmeyen moleküllerin tanımlanmasına kadar her tür yeni molekülü keşfetmek için aynı tür modelin kullanılabileceğini ekliyor.

Dr. Skinnider, “Şu anda parmak uçlarımızın hemen ötesinde bir kimyasal ‘karanlık madde’ dünyası var. Doğru AI araçlarının bu bilinmeyen kimyasal dünyaya ışık tutması için büyük bir fırsat olduğunu düşünüyorum” diyor.

Novel Psychoactive Substance Data Hub tarafından güvenli bir şekilde dağıtılan UBC modeli, ABD Uyuşturucu Uygulama Ajansı, Birleşmiş Milletler Uyuşturucu ve Suç Ofisi, Avrupa Uyuşturucu ve Uyuşturucu Bağımlılığı İzleme Merkezi ve Almanya Federal Kriminal Dairesi tarafından kullanılıyor.

“Derin bir üretken model, yeni psikoaktif maddelerin otomatik yapı açıklamasını sağlar” çalışması yayınlandı. Doğa Makine Zekası.


Makine öğrenimi uygulamaları, varsayıldığından daha az veriye ihtiyaç duyar


Daha fazla bilgi:
Michael Skinnider, Derin bir üretici model, yeni psikoaktif maddelerin otomatikleştirilmiş yapı açıklamasını sağlar, Doğa Makine Zekası (2021). DOI: 10.1038/s42256-021-00407-x. www.nature.com/articles/s42256-021-00407-x

British Columbia Üniversitesi tarafından sağlanmıştır

Alıntı: Araştırmacılar, 20 Kasım 2021’de https://techxplore.com/news/2021-11-drugs.html adresinden alınan bir sonraki tasarımcı ilaçlarını (2021, 15 Kasım) tahmin etmek için bilgisayarları eğitiyor

Bu belge telif haklarına tabidir. Özel çalışma veya araştırma amaçlı herhangi bir adil işlem dışında, yazılı izin alınmadan hiçbir bölüm çoğaltılamaz. İçerik yalnızca bilgi amaçlı sağlanmıştır.





#Araştırmacılar #bir #sonraki #tasarımcı #ilaçlarını #tahmin #etmek #için #bilgisayarları #eğitiyor