Международная группа учёных подготовила рекомендации по применению методов многозадачного обучения для создания лекарств
Международная группа учёных из Сколковского института науки и технологий, Венского университета и Университета «Сириус» представила рекомендации по применению методов многозадачного обучения для совершенствования процесса создания новых лекарств, рассказали информационной службе Хабра в персс-службе Сколтеха. Результаты исследования опубликованы в журнале Journal of Computer-Aided Molecular Design.
Как заявили исследователи, в университетах студенты проходят связанные курсы: например, одновременное изучение физики и математики помогает понять оба предмета или изучение нового языка даётся легче тем, кто уже владеет родственным языком. Это предположение подходит и для машинного обучения. Нейронная сеть лучше понимает несколько «предметов», если «изучает» их одновременно.
Нейронные сети подходят для прогнозирования биологических свойств новых молекул. Исследователи решили проработать механизм помощи нейронной сети в одновременном изучении и прогнозировании свойства молекул в отношении нескольких биологических мишеней. Учёные взяли для анализа три датасета: один — с информацией о противовирусной активности молекул и два — с информацией о воздействии молекул на белки в нашем организме. Датасеты различались полнотой информации по каждому из белков или вирусов. В процессе исследования, учёные выяснили, что добавление дополнительных данных в датасет помогает улучшить прогнозирование. Кроме того, выяснилось, что результат лучше, когда информативнее исходный датасет.
В результате исследований учёные подготовили набор рекомендаций по использованию технологии «обогащения» данных для улучшения качества и стабильности прогноза. Исследователи привели способы объективной оценки улучшения.
Екатерина Соснинаавтор исследования, выпускница аспирантуры Сколтеха
«Многозадачное обучение широко применяется во многих областях науки. Не удивительно, что оно стало всё чаще применяться для создания новых лекарственных средств. Однако возможности такого подхода до конца не изучены, что оставляет перед нами множество нерешённых задач. Мы вдохновились возможностью применения многозадачного обучения для поиска кандидатов в лекарственные средства и провели работу по поиску путей улучшения применения данного подхода. Выполнение предложенных нами рекомендаций позволит повысить точность предсказания моделей и ускорить процесс поиска новых потенциальных лекарственных средств».
Информационная служба Хабра запросила уточнения по набору рекомендаций. Материал будет дополняться…
