Nieuwe benadering van machine learning kan ontwerp van medicijnen versnellen

Een nieuwe benadering van machine learning, ontwikkeld door een team van onderzoekers aan de Universiteit van Cambridge, kan de zoektocht naar nieuwe behandelingen van ziektes versnellen. Deze benadering “leert hoe te leren” en presteert beter dan huidige machine learning-methoden voor het ontwerp van medicijnen.

Het nieuwe onderzoek is gepubliceerd in de Proceedings of the National Academy of Sciences.

Deze benadering, genaamd transformational machine learning (TML), is ontwikkeld door onderzoekers uit het VK, Zweden, India en Nederland.

TML vs. Traditionele ML

De TML-methode verbetert de prestaties terwijl het leert en kan leren van meerdere problemen. Het kan ook de identificatie en productie van nieuwe medicijnen versnellen door de machine learning-systemen die worden gebruikt om ze te identificeren te verbeteren.

Huidige machine learning-modellen (ML) gebruiken vaak gelabelde voorbeelden, die meestal in de computer worden weergegeven door intrinsieke kenmerken zoals de kleur of vorm van een object. Dit stelt de computer in staat om algemene regels te vormen die de kenmerken met de labels in verband brengen.

Professor Ross King is afkomstig van de afdeling Chemische Technologie en Biotechnologie van Cambridge en leidde het onderzoek.

“Het is een beetje zoals het leren van een kind om verschillende dieren te identificeren: dit is een konijn, dit is een ezel enzovoort”, zei King. “Als je een machine learning-algoritme leert wat een konijn lijkt, kan het bepalen of een dier al dan niet een konijn is. Dit is de manier waarop de meeste machine learning werkt – het behandelt problemen een voor een.”

Menselijk leren werkt anders. We worden beter in leren door onze eerdere leerervaringen. We behandelen geen enkel probleem tegelijk.

King is ook een Fellow van The Alan Turing Institute.

“Om TML te ontwikkelen, hebben we deze benadering toegepast op machine learning en een systeem ontwikkeld dat informatie leert van eerdere problemen die het heeft gegenereerd om beter te leren van nieuwe problemen”, zei King. “Waar een typisch ML-systeem van scratch moet beginnen wanneer het leert om een nieuw type dier te identificeren – zeg een kitten – kan TML de gelijkenis met bestaande dieren gebruiken: kittens zijn schattig zoals konijnen, maar hebben geen lange oren zoals konijnen en ezels. Dit maakt TML een veel krachtigere benadering van machine learning.”

Testen van de methode

De onderzoekers hebben de methode getest en bewezen dat deze effectief is voor duizenden problemen die zijn gegenereerd uit wetenschap en techniek. Volgens het team is het vooral veelbelovend op het gebied van de ontdekking van medicijnen, omdat het het proces kan versnellen door te controleren wat andere machine learning-modellen zeggen over bepaalde moleculen.

Terwijl typische machine learning-modellen zoeken naar medicijnmoleculen van een specifieke vorm, gebruikt de nieuwe TML-benadering de verbinding van de medicijnen met andere problemen van medicijnontdekking.

“Ik was verbaasd over hoe goed het werkt – beter dan alles wat we kennen voor het ontwerp van medicijnen”, zei King. “Het is beter in het kiezen van medicijnen dan mensen – en zonder de beste wetenschap, zullen we geen beste resultaten krijgen.