Nowy podejście do uczenia maszynowego może przyspieszyć projektowanie leków

Nowe podejście do uczenia maszynowego opracowane przez zespół badaczy z Uniwersytetu w Cambridge może przyspieszyć poszukiwania nowych sposobów leczenia chorób. Podejście to “uczy się uczyć” i przewyższa obecne metody uczenia maszynowego w projektowaniu leków.

Nowe badania zostały opublikowane w Proceedings of the National Academy of Sciences.

Określone jako transformacyjne uczenie maszynowe (TML), podejście to zostało opracowane przez badaczy z Wielkiej Brytanii, Szwecji, Indii i Holandii.

TML vs. Tradycyjne UC

Metoda TML poprawia wydajność, podczas gdy się uczy i może uczyć się z wielu problemów. Może również przyspieszyć identyfikację i produkcję nowych leków, poprawiając systemy uczenia maszynowego, które są używane do ich identyfikacji.

Obecne modele uczenia maszynowego (ML) często używają oznaczonych przykładów, które są zwykle reprezentowane w komputerze za pomocą wewnętrznych cech, takich jak kolor lub kształt obiektu. Pozwala to komputerowi na tworzenie ogólnych reguł, które łączą cechy z etykietami.

Profesor Ross King jest z Wydziału Inżynierii Chemicznej i Biotechnologii Uniwersytetu w Cambridge i kierował badaniami.

“To jest trochę jak nauczanie dziecka, aby rozpoznać różne zwierzęta: to jest królik, to jest osioł itd.”, powiedział King. “Jeśli nauczysz algorytmu uczenia maszynowego, jak wygląda królik, będzie w stanie powiedzieć, czy zwierzę jest królikiem, czy nie. To jest sposób, w jaki działa większość uczenia maszynowego – zajmuje się problemami jeden po drugim.”

Ludzkie uczenie się działa inaczej. Stajemy się lepsi w uczeniu się dzięki naszym poprzednim doświadczeniom z uczeniem się. Nie zajmujemy się jednym problemem na raz.

King jest również członkiem The Alan Turing Institute.

“Aby opracować TML, zastosowaliśmy to podejście do uczenia maszynowego i opracowaliśmy system, który uczy się informacji z poprzednich problemów, które spotkał, aby lepiej uczyć się nowych problemów”, powiedział King. “Podczas gdy typowy system ML musi zacząć od początku, gdy uczy się rozpoznawać nowy typ zwierzęcia – powiedzmy, kociaka – TML może użyć podobieństwa do istniejących zwierząt: kociaki są słodkie jak króliki, ale nie mają długich uszu jak króliki i osły. To sprawia, że TML jest o wiele bardziej potężnym podejściem do uczenia maszynowego.”

Testowanie metody

Badacze przetestowali tę metodę i udowodnili jej skuteczność w tysiącach problemów z dziedziny nauki i inżynierii. Zgodnie z zespołem, jest to szczególnie obiecujące w dziedzinie odkrywania leków, ponieważ może przyspieszyć proces, sprawdzając, co inne modele uczenia maszynowego mówią o pewnych cząsteczkach.

Podczas gdy typowe modele uczenia maszynowego szukają cząsteczek leków o określonym kształcie, nowe podejście TML używa połączenia leków z innymi problemami odkrywania leków.

“Byłem zaskoczony, jak dobrze to działa – lepiej niż cokolwiek innego, co znamy dla projektowania leków”, powiedział King. “To jest lepsze w wyborze leków niż ludzie – i bez najlepszej nauki, nie uzyskamy najlepszych wyników.