एआई मॉडल और प्लेटफ़ॉर्म

मशीन लर्निंग का नया दृष्टिकोण दवा डिजाइन में तेजी ला सकता है

Alex McFarland
Unite.AI को Google पर अपने पसंदीदा स्रोतों में जोड़ें
मुख्य बिंदुकैम्ब्रिज की TML प्रणाली पिछली समस्याओं से सीखकर दवा डिजाइन में मानक ML से बेहतर…
और देखें
  • कैम्ब्रिज की TML प्रणाली पिछली समस्याओं से सीखकर दवा डिजाइन में मानक ML से बेहतर प्रदर्शन करती है।
  • यह विधि एकल आणविक आकृतियों की खोज करने के बजाय दवा खोज के संबंधों का लाभ उठाती है।
  • हजारों परीक्षण समस्याओं में दवा अणुओं के चयन में TML मनुष्यों की तुलना में अधिक प्रभावी साबित हुई।

कैम्ब्रिज विश्वविद्यालय के शोधकर्ताओं की एक टीम द्वारा विकसित एक नए मशीन लर्निंग दृष्टिकोण से नए रोग उपचारों की खोज में तेजी आ सकती है। यह दृष्टिकोण “सीखने के लिए सीखता है” और दवा डिजाइन के लिए वर्तमान मशीन लर्निंग विधियों से बेहतर प्रदर्शन करता है।

नई शोध को नेशनल एकेडमी ऑफ साइंसेज के प्रोसीडिंग्स में प्रकाशित किया गया था।

ट्रांसफॉर्मेशनल मशीन लर्निंग (TML) नामक इस दृष्टिकोण को यूके, स्वीडन, भारत और नीदरलैंड्स के शोधकर्ताओं द्वारा विकसित किया गया था।

टीएमएल बनाम पारंपरिक एमएल

टीएमएल विधि प्रदर्शन में सुधार करती है जब यह सीखती है और यह कई समस्याओं से सीख सकती है। यह नए दवाओं की पहचान और उत्पादन को तेज करने के लिए मशीन लर्निंग सिस्टम में सुधार करके भी मदद कर सकती है जो उन्हें पहचानते हैं।

वर्तमान मशीन लर्निंग (एमएल) मॉडल अक्सर लेबल वाले उदाहरणों का उपयोग करते हैं, जो आमतौर पर कंप्यूटर में अंतर्निहित विशेषताओं जैसे वस्तु का रंग या आकार के माध्यम से प्रस्तुत किए जाते हैं। यह कंप्यूटर को विशेषताओं और लेबल के बीच सामान्य नियम बनाने में सक्षम बनाता है।

प्रोफेसर रॉस किंग कैम्ब्रिज के केमिकल इंजीनियरिंग और बायोटेक्नोलॉजी विभाग से हैं और उन्होंने शोध का नेतृत्व किया।

“यह एक बच्चे को विभिन्न जानवरों की पहचान सिखाने की तरह है: यह एक खरगोश है, यह एक गधा है और इसी तरह,” किंग ने कहा। “यदि आप एक मशीन लर्निंग एल्गोरिदम को यह सिखाते हैं कि एक खरगोश कैसा दिखता है, तो यह बता सकता है कि कोई जानवर खरगोश है या नहीं। यह सबसे मशीन लर्निंग का तरीका है – यह एक समय में एक समस्या से निपटता है।”

मानव सीखने का तरीका अलग है। हम अपने पिछले सीखने के अनुभवों के कारण सीखने में बेहतर हो जाते हैं। हम एक समय में एक ही समस्या से नहीं निपटते हैं।

किंग एलन ट्यूरिंग इंस्टीट्यूट में एक फेलो भी हैं।

“टीएमएल विकसित करने के लिए, हमने मशीन लर्निंग पर इस दृष्टिकोण को लागू किया और एक प्रणाली विकसित की जो नए समस्याओं को बेहतर ढंग से सीखने के लिए पहले से मिली समस्याओं से जानकारी सीखती है,” किंग ने कहा। “जहां एक典型 एमएल सिस्टम को एक नए जानवर की पहचान सीखने के लिए शुरू से शुरू करना होता है – कहें, एक बिल्ली का बच्चा – टीएमएल मौजूदा जानवरों के साथ समानता का उपयोग कर सकता है: बिल्ली के बच्चे खरगोश की तरह प्यारे होते हैं, लेकिन उनके कान लंबे नहीं होते जैसे खरगोश और गधों के होते हैं। यह टीएमएल को मशीन लर्निंग का एक बहुत ही शक्तिशाली तरीका बनाता है।”

विधि का परीक्षण

शोधकर्ताओं ने विधि का परीक्षण किया और विज्ञान और इंजीनियरिंग से ली गई हजारों समस्याओं पर इसकी प्रभावशीलता साबित की। टीम के अनुसार, यह दवा खोज के क्षेत्र में विशेष रूप से आशाजनक है, क्योंकि यह अन्य मशीन लर्निंग मॉडलों द्वारा कertain अणुओं के बारे में क्या कहा जा सकता है, इसकी जांच करके प्रक्रिया को तेज कर सकता है।

जबकि पारंपरिक मशीन लर्निंग मॉडल विशिष्ट आकार के दवा अणुओं की खोज करते हैं, तो नया टीएमएल दृष्टिकोण दवाओं के बीच संबंधों का उपयोग करता है और अन्य दवा खोज समस्याओं के साथ उनके संबंधों का उपयोग करता है।

“मुझे यह देखकर आश्चर्य हुआ कि यह कितनी अच्छी तरह काम करता है – हमारे पास जो कुछ भी है उसके लिए दवा डिजाइन के लिए बेहतर है,” किंग ने कहा। “यह दवाओं का चयन करने में मनुष्यों से बेहतर है – और सबसे अच्छा विज्ञान के बिना, हम सबसे अच्छे परिणाम नहीं प्राप्त करेंगे।

Alex McFarland

Alex Unite.AI के एआई‑संचालित समाचार संचालन का नेतृत्व करते हैं, पत्रकारिता, अनुसंधान और स्वचालन को मिलाकर कृत्रिम बुद्धिमत्ता की समय पर और स्केलेबल कवरेज को समर्थन देते हैं। उनका काम यह सुनिश्चित करने में मदद करता है कि उभरते एआई विकास को प्रभावी ढंग से उजागर किया जाए, जबकि प्रकाशन के संपादकीय मानकों को बनाए रखा जाए।