Dunkle Nacht, weit Weg von der Stadt des Lichts, ein Stern der Milchstraße scheinen unermesslichen. Aber von jedem Punkt dem unbewaffneten Auge nicht mehr sichtbar 4500 Sternen. In unserer Galaxie Ihre 100-400 Milliarden Galaxien im Universum und sogar noch mehr. Rein, in den Nachthimmel nicht so viele Sterne. Doch selbst diese Zahl öffnet sich vor uns eine Tiefe innere Geschichte… Drogen und Medikamente. Die Tatsache, dass die Zahl der möglichen organischen verbindungen mit medikamentösen Fähigkeiten übersteigt die Zahl der Sterne im Universum, mehr als 30 Größenordnungen. Und Chemische Konfiguration, die ein Wissenschaftler aus den vorhandenen Medikamenten, vergleichbar mit den Sternen, die wir sehen konnten, im Zentrum der Stadt in der Nacht.
Suche nach allen möglichen Medikamenten — eine gewaltige Aufgabe für den Menschen, wie eine Studie nur physischen Raum, und selbst wenn wir könnten, ein großer Teil der gefundenen nicht unseren Zielen entsprechen würde. Dennoch ist der Gedanke, dass die wunderbaren Medikamente können versteckt unter der fülle, zu verlockend, um es zu ignorieren.
Deshalb sollten wir verwenden die künstliche Intelligenz, die in der Lage, mehr zu arbeiten und Beschleunigung der öffnung. So glaubt Alex Lerchen, anlässlich der Exponential Medicine in San Diego Letzte Woche. Diese Anwendung könnte die größte für die KI in der Medizin.
Hund, Diagnose und Medikamente
Lerchen — CEO von Insilico Medicine und CSO Biogerontology Research Foundation. Insilico — eines von vielen Startups, die KI, die fähig ist, beschleunigen die Entdeckung neuer Medikamente und Drogen.
In den letzten Jahren, erzählte Lerchen, die bekannte Technik des maschinellen Lernens — Tiefe Ausbildung — verwirklichte Fortschritte an mehreren Fronten. Algorithmen, die fähig sind, zu lernen, in der Videospiele — wie AlphaGo Zero oder Pokerspieler Carnegie Mellon — stellen das größte Thema von Interesse. Aber die Erkennung von mustern — da ist, was tiefen gab einen starken Impuls zu lernen, wenn die algorithmen für maschinelles lernen endlich angefangen Katzen von Hunden zu unterscheiden und tun es schnell und präzise genug.
In der Medizin Deep-learning-algorithmen, ausgebildet in medizinischen Datenbanken Bildern, identifizieren können lebensbedrohliche Krankheit mit gleicher oder höherer Genauigkeit, als die Spezialisten-die Menschen. Es gibt sogar die Annahme, dass die AI, wenn wir lernen, ihm zu Vertrauen, kann von unschätzbarem Wert sein bei der Diagnose von Krankheiten. Und wie sagte Lerchen, kommen mehr Apps und die Erfolgsbilanz wird nur wachsen.
«Tesla zeigt schon die Autos auf der Straße», sagt die Lerche. «Drei-, vierjährige Technologie bereits befördert die Passagiere von Punkt A nach Punkt B eine Geschwindigkeit von 200 Kilometern die Stunde; ein Fehler — und du bist tot. Aber die Menschen Vertrauen Ihr Leben dieser Technologie».
«Warum nicht tun die selben in der Pharmazie?».
Versuch und Irrtum, immer wieder
In der pharmazeutischen Forschung die KI nicht haben, um Auto zu fahren. Es wird ein Assistent, der zusammen mit dem Chemiker oder zwei in der Lage, Medikamente zur Beschleunigung der öffnung, indem Sie durch mehr Optionen in der Suche nach den besten Kandidaten.
Raum für Optimierung und Verbesserung der Effizienz nur eine riesige, glaubt Lerchen.
Suche nach Drogen — sorgfältige und kostspielige Aufgabe. Chemiker gesiebt Zehntausende von möglichen verbindungen in die Suche nach den vielversprechendsten. Nur einige von Ihnen gehen auf eine weitere Studie, und noch weniger findet die Prüfung am Menschen, und dieser Krümel überhaupt zugelassen werden zur weiteren Nutzung.
Dieser ganze Prozess dauert viele Jahre und kostet Hunderte Millionen US-Dollar.
Das ist ein Problem für Big data (big data) und tiefes lernen ist erfolgreich in der Arbeit mit Big data. Die ersten Anwendungen haben gezeigt, dass ein KI-System auf der Grundlage einer umfassenden Ausbildung in der Lage, finden kaum sichtbare Muster in riesige Auswahlen von Daten. Obwohl die Hersteller von Medikamenten nutzen bereits die Software für die Sichtung von verbindungen, solche Software erfordert klare Regeln, geschrieben von Chemikern. Vor die KI in diesem Fall — seine Fähigkeit zu lernen und sich zu verbessern.
«Es gibt zwei Strategien der Innovation auf der Basis von KI in der Pharmazie, die Ihnen helfen den besten Molekülen und schnelle Genehmigung», sagt die Lerche. «Man sucht die Nadel im Heuhaufen, und das andere schafft eine neue Nadel».
Um die Suche nach der Nadel im Heuhaufen, algorithmen studieren an der großen Datenbank von Molekülen. Dann sind Sie auf der Suche nach Molekülen mit geeigneten Eigenschaften. Aber eine neue Nadel? Diese Möglichkeit bieten генеративные Sachvortrag Netzwerk, spezialisiert auf Lerchen.
Solche algorithmen stellen zwei neuronale Netze gegeneinander. Eine erzeugt aussagekräftigen Ergebnis, und der andere entscheidet, ob das Ergebnis wahr oder falsch ist, sagt die Lerche. Zusammengenommen sind diese Netzwerke erzeugen neue Objekte, wie Text, Bild oder in diesem Fall, molekularen Strukturen.
«Wir haben diese eine bestimmte Technologie, um Tiefe neuronale Netze stellen sich neue Moleküle, um Ihr ideal von Anfang an. Wir brauchen ein gewissenhaftes Mädchen», sagt die Lerche. «Sie können sich an diesem generativen umstrittenen Netzwerk zu erstellen und Sie zu bitten, die Moleküle, die ein Protein hemmen X in einer Konzentration von Y, mit hoher Vitalität, angegebenen Eigenschaften und minimalen Nebenwirkungen».
Lerchen glaubt, dass sich die KI zu finden oder zu fabrizieren mehr Nadeln aus einer Vielzahl von molekularen Möglichkeiten, befreien von Chemikern-Menschen, um diejenigen zu konzentrieren sich auf die Synthese nur die vielversprechendsten. Wenn es funktioniert, wie er hofft, wir steigern die Anzahl der Zugriffe, Fehler zu minimieren und insgesamt den Prozess zu beschleunigen.
Es ist in der Tasche
Insilico nicht der einzige auf der Suche nach neuen Möglichkeiten zur Schaffung von Drogen, und es ist kein neues Interessengebiet. Im vergangenen Jahr Harvard Gruppe veröffentlichte Arbeit zum Thema KI, die in ähnlicher Weise wählt die Kandidaten aus den Medikamenten. Die Software обучилось auf 250 000 Molekülen Arzneimittel und verwendete seine Erfahrung für die Schaffung von neuen Molekülen, die gemischte vorhandenen Medikamente und machten Vorschläge auf der Grundlage der gewünschten Eigenschaften. Jedoch, laut MIT Technology Review, die Ergebnisse nicht immer bedeutsam sind oder einfach im Labor synthetisiert, und die Qualität dieser Ergebnisse, wie immer, so hoch, wie die qualitativen ursprünglich bereitgestellten Daten.
Stanford-Chemie-Professor Vijay Pande sagt, dass Bilder, Sprache und Text — die im Moment sind Gegenstände der Deep-learning-Interesse — gute und saubere Daten. Aber die chemischen Daten, andererseits noch optimiert für Deep-learning. Darüber hinaus, obwohl die öffentliche Datenbank existieren, ein Großteil der Daten lebt immer noch hinter der geschlossenen Tür private Unternehmen.
Um alle Hindernisse zu überwinden, die Gesellschaft Жаворонкова konzentriert sich auf die überprüfung der Technologie. Aber in diesem Jahr Skepsis in der Pharma-Branche, so scheint es, weicht dem Interesse und Investitionen. Sogar Google kann brechen in das Rennen.
In dem Maße, wie entwickelt sich die KI und die Hardware, die das größte Potenzial muss noch geöffnet werden. Vielleicht, eines Tages, alle 1060 Moleküle im Bereich der Medikamente sind in unserem Besitz.
Künstliche Intelligenz eintauchen in das Universum der Moleküle in der Suche nach tollen Medikamente
Ilja Hel