211service.com
El software inventa nuevas moléculas en busca de medicamentos maravillosos
¿Qué obtienes si cruzas aspirina con ibuprofeno? profesor de química de harvard Alán Aspuru-Guzik no está seguro, pero ha entrenado un software que podría darle una respuesta sugiriendo una estructura molecular que combine las propiedades de ambas drogas.
El programa de IA podría ayudar en la búsqueda de nuevos compuestos farmacológicos. La investigación farmacéutica tiende a depender de un software que rastrea exhaustivamente grupos gigantes de moléculas candidatas utilizando reglas escritas por químicos y simulaciones que intentan identificar o predecir estructuras útiles. El primero depende de que los humanos piensen en todo, mientras que el segundo está limitado por la precisión de las simulaciones y la potencia informática requerida.
El sistema de Aspuru-Guzik puede imaginar estructuras de manera más independiente de los humanos y sin largas simulaciones. Aprovecha su propia experiencia, construida mediante el entrenamiento de algoritmos de aprendizaje automático con datos de cientos de miles de moléculas similares a las drogas.
'Explora de manera más intuitiva, utilizando los conocimientos químicos que aprendió, como lo haría un químico', dice Aspuru-Guzik. 'Los humanos podrían ser mejores químicos con este tipo de software como asistente'. Aspuru-Guzik fue nombrado para Revisión de tecnología del MIT lista de jóvenes innovadores en 2010 .
El nuevo sistema se construyó utilizando una técnica de aprendizaje automático llamada aprendizaje profundo, que se ha generalizado en las empresas de computación pero está menos establecida en las ciencias naturales. Utiliza un diseño conocido como modelo generativo, que toma una gran cantidad de datos y usa lo que aprendió para generar nuevos datos plausibles propios.
Los modelos generativos se usan más típicamente para crear imágenes, voz o texto, por ejemplo, en el caso de la función Smart Reply de Google que sugiere respuestas a correos electrónicos. Pero el mes pasado, Aspuru-Guzik y sus colegas de Harvard, la Universidad de Toronto y la Universidad de Cambridge resultados publicados a partir de la creación de un modelo generativo entrenado en 250.000 moléculas similares a fármacos.
El sistema podría generar nuevas estructuras plausibles mediante la combinación de propiedades de compuestos farmacológicos existentes, y se le pedirá que sugiera moléculas que muestren fuertemente ciertas propiedades como la solubilidad y que sean fáciles de sintetizar.
Vijay Pande , profesor de química en Stanford y socio de la firma de capital de riesgo Andreessen Horowitz, dice que el proyecto se suma a la creciente evidencia de que las nuevas ideas en el aprendizaje automático transformarán la investigación científica (ver Detener el cáncer de mama con la ayuda de la IA).
Sugiere que el software de aprendizaje profundo puede internalizar un tipo de conocimiento químico y usarlo para ayudar a los científicos, dice. Creo que esto podría tener una aplicación muy amplia, dice Pande. Podría desempeñar un papel en la búsqueda u optimización de candidatos a fármacos líderes, u otras áreas como células solares o catalizadores.
Los investigadores ya experimentaron con el entrenamiento de su sistema en una base de datos de moléculas LED orgánicas, que son importantes para las pantallas. Pero convertir la técnica en una herramienta práctica requerirá mejorar sus habilidades químicas, porque las estructuras que sugiere a veces no tienen sentido.
Pande dice que un desafío para pedirle al software que aprenda química puede ser que los investigadores aún no hayan identificado el mejor formato de datos para usar para alimentar estructuras químicas en el software de aprendizaje profundo. Se ha demostrado que las imágenes, el habla y el texto encajan bien, como lo demuestra el software que compite con los humanos en el reconocimiento y la traducción de imágenes y habla, pero las formas existentes de codificar estructuras químicas pueden no ser del todo correctas.
Aspuru-Guzik y sus colegas están pensando en eso, además de agregar nuevas funciones a su sistema para reducir su tasa de errores químicos.
También espera que darle a su sistema más datos, para ampliar su conocimiento químico, mejorará su poder, de la misma manera que las bases de datos de millones de fotos han ayudado a que el reconocimiento de imágenes sea útil. de la Sociedad Americana de Química base de datos registra alrededor de 100 millones de estructuras químicas publicadas. En poco tiempo, Aspuru-Guzik espera alimentarlos a todos con una versión de su programa de IA.