O abordare nouă de învățare automată poate accelera proiectarea medicamentelor

O nouă abordare a învățării automate, dezvoltată de o echipă de cercetători de la Universitatea Cambridge, ar putea accelera căutarea unor noi tratamente pentru boli. Abordarea “învață să învețe” și depășește metodele actuale de învățare automată pentru proiectarea medicamentelor.

Cercetarea nouă a fost publicată în Proceedings of the National Academy of Sciences.

Denumită învățare automată transformațională (TML), abordarea a fost dezvoltată de cercetători din Regatul Unit, Suedia, India și Țările de Jos.

TML vs. Învățare automată tradițională

Metoda TML îmbunătățește performanța pe măsură ce învață și poate învăța din multiple probleme. De asemenea, ar putea accelera identificarea și producerea de noi medicamente prin îmbunătățirea sistemelor de învățare automată utilizate pentru a le identifica.

Modelele actuale de învățare automată (ML) utilizează adesea exemple etichetate, care sunt de obicei reprezentate în calculator prin caracteristici intrinseci, cum ar fi culoarea sau forma unui obiect. Acest lucru permite calculatorului să formeze reguli generale care leagă caracteristicile de etichete.

Profesorul Ross King este de la Departamentul de Inginerie Chimică și Biotehnologie al Universității Cambridge și a condus cercetarea.

“Este ca și cum ai învăța un copil să identifice diferite animale: aceasta este o iepure, aceasta este un măgar și așa mai departe”, a spus King. “Dacă îi înveți un algoritm de învățare automată cum arată un iepure, va putea spune dacă un animal este sau nu un iepure. Acesta este modul în care funcționează majoritatea învățării automate – se ocupă de probleme una câte una.”

Învățarea umană funcționează diferit. Ne îmbunătățim abilitățile de învățare datorită experiențelor noastre anterioare de învățare. Nu ne ocupăm de o singură problemă odată.

King este, de asemenea, membru al Institutului Alan Turing.

“Pentru a dezvolta TML, am aplicat această abordare învățării automate și am dezvoltat un sistem care învață informații din problemele anterioare cu care s-a confruntat pentru a învăța mai bine probleme noi”, a spus King. “În timp ce un sistem ML tipic trebuie să înceapă de la zero atunci când învață să identifice un nou tip de animal – să zicem un pui – TML poate utiliza asemănarea cu animalele existente: puii sunt drăguți ca iepurii, dar nu au urechi lungi ca iepurii și măgarilor. Acest lucru face ca TML să fie o abordare mult mai puternică a învățării automate.”

Testarea metodei

Cercetătorii au testat metoda și au demonstrat eficacitatea sa pe mii de probleme extrase din știință și inginerie. Conform echipei, este deosebit de promițător în domeniul descoperirii de medicamente, deoarece poate accelera procesul prin verificarea a ceea ce spun alte modele de învățare automată despre anumite molecule.

În timp ce modelele ML tipice caută molecule de medicamente de o formă specifică, noua abordare TML utilizează legătura dintre medicamente și alte probleme de descoperire de medicamente.

“Am fost surprins cât de bine funcționează – mai bine decât orice altceva pe care îl cunoaștem pentru proiectarea medicamentelor”, a spus King. “Este mai bun la alegerea medicamentelor decât oamenii – și fără cea mai bună știință, nu vom obține cele mai bune rezultate.”