Pendekatan Pembelajaran Mesin Baru Dapat Percepat Desain Obat

Pendekatan baru untuk pembelajaran mesin yang dikembangkan oleh tim peneliti di Universitas Cambridge dapat mempercepat pencarian pengobatan penyakit baru. Pendekatan ini “belajar bagaimana belajar” dan mengungguli metode pembelajaran mesin saat ini untuk desain obat.

Penelitian baru ini diterbitkan di Proceedings of the National Academy of Sciences.

Yang disebut pembelajaran mesin transformasional (TML), pendekatan ini dikembangkan oleh peneliti dari Inggris, Swedia, India, dan Belanda.

TML vs. Pembelajaran Mesin Tradisional

Metode TML meningkatkan kinerja saat belajar dan dapat belajar dari beberapa masalah. Ini juga dapat mempercepat identifikasi dan produksi obat baru dengan meningkatkan sistem pembelajaran mesin yang digunakan untuk mengidentifikasi mereka.

Model pembelajaran mesin (ML) saat ini sering menggunakan contoh yang dilabeli, yang biasanya direpresentasikan dalam komputer melalui fitur intrinsik seperti warna atau bentuk objek. Ini memungkinkan komputer untuk membentuk aturan umum yang menghubungkan fitur dengan label.

Profesor Ross King dari Departemen Teknik Kimia dan Bioteknologi Cambridge, memimpin penelitian.

“Ini seperti mengajar anak untuk mengidentifikasi hewan yang berbeda: ini adalah kelinci, ini adalah keledai dan sebagainya,” kata King. “Jika Anda mengajar algoritma pembelajaran mesin apa yang terlihat seperti kelinci, itu akan dapat menentukan apakah hewan itu kelinci atau tidak. Ini adalah cara kerja pembelajaran mesin – itu menangani masalah satu per satu.”

Pembelajaran manusia bekerja secara berbeda. Kami menjadi lebih baik dalam belajar karena pengalaman belajar sebelumnya. Kami tidak menangani satu masalah pada satu waktu.

King juga merupakan Fellow di The Alan Turing Institute.

“Untuk mengembangkan TML, kami menerapkan pendekatan ini pada pembelajaran mesin, dan mengembangkan sistem yang belajar informasi dari masalah sebelumnya yang telah dihadapi untuk lebih baik belajar masalah baru,” kata King. “Di mana sistem ML biasa harus memulai dari awal ketika belajar untuk mengidentifikasi jenis hewan baru – katakanlah seekor anak kucing – TML dapat menggunakan kesamaan dengan hewan yang ada: anak kucing lucu seperti kelinci, tetapi tidak memiliki telinga panjang seperti kelinci dan keledai. Ini membuat TML menjadi pendekatan yang jauh lebih kuat untuk pembelajaran mesin.”

Menguji Metode

Peneliti menguji metode dan membuktikan efektivitasnya pada ribuan masalah yang diambil dari sains dan teknik. Menurut tim, ini sangat menjanjikan di bidang penemuan obat, karena dapat mempercepat proses dengan memeriksa apa yang dikatakan model pembelajaran mesin lain tentang molekul tertentu.

Sementara model pembelajaran mesin biasa mencari molekul obat dengan bentuk tertentu, pendekatan TML baru menggunakan koneksi obat dengan masalah penemuan obat lain.

“Saya terkejut betapa baiknya itu bekerja – lebih baik dari apa pun yang kami ketahui untuk desain obat,” kata King. “Ini lebih baik dalam memilih obat daripada manusia – dan tanpa sains terbaik, kami tidak akan mendapatkan hasil terbaik.