应用深度学习药物发现

深度学习,经常被称为人工智能,机器学习的一个分支利用多层神经元模型的高层抽象的数据,表现人类的任务,包括图片,文字和语音识别、自动驾驶和其他人,现在被应用于药物开发和生物标记的发展。

在发表在分子制药学的一项研究中,一个著名的出版的美国化学学会》杂志上,科学家们从Insilico医学与Datalytic解决方案和合作研究网络训练头脑深层神经网络预测治疗使用大量的多种药物使用基因表达数据从高通量实验获得人类细胞系。

深层神经网络优于其他机器学习技术,没有导致性能显著下降类的数量增加。

当网络困惑和猜治疗药物的使用不正确,这些药物往往有双重使用,表明使用款药物再利用的可能性。

这是第一个已知的应用深度学习药物发现使用转录响应数据。

在最近接受手稿题为“深度学习应用预测药物的药理特性和药物使用转录组数据再利用”,科学家从Insilico医学公司位于新兴技术中心约翰霍普金斯大学与Datalytic合作解决方案和思想提出了一种新颖的方法研究网络应用深层神经网络(款)预测许多药物的药理特性。在这项研究中,科学家们训练有素的深层神经网络预测治疗使用大量的药物使用基因表达数据从高通量实验获得人类细胞系。作者使用了复杂的方法测量微分信号通路激活得分为大量途径来降低数据的维数,同时保持生物相关性和使用这些分数来训练神经网络。

“人工智能的世界正在迅速蔓延,影响我们的日常生活的方方面面。很快,这一进程将会觉得在制药行业。我们建立了制药公司。人工智能部门帮助制药公司大大加快批准的药品研发和增加,但在这个过程中我们提出了超过800强假设在肿瘤学、心血管、代谢和中枢神经系统空间,开始基本验证。我们强烈声明持谨慎态度,但如果这种方法有效,它将uberize QALY的制药行业,产生前所未有的数量”,Alex Zhavoronkov说,博士,首席执行官Insilico医学有限公司

尽管公司的商业取向,作者不同意申请知识产权对这些方法和出版概念的证明。Insilico医学目前发展中多通道深神经网络预测范围广泛的药物的性质,小分子和天然化合物的应用范围包括治疗常见和罕见疾病,老化,再生医学在癌症免疫治疗和提高响应率。

“机器学习领域的最近见证了一个令人印象深刻的突破在模式识别和计算机视觉领域。深度学习、技术感谢,继续破坏传统的机器学习方法在其他领域。最初在60年代,灵感来自大脑是如何工作的(至少当时我们如何理解它)深度学习现在已经发展成为一个成熟的工程概念。然而,大脑不停止难题研究人员,我相信,包含更多的灵感来源为未来强大的方法。博士,主任说:“谢尔盖刺机器学习思想研究网络和首席执行官Datalytic解决方案。

在这项研究中科学家使用678种药品在A549的扰动样本,从图书馆MCF-7和曲泽细胞株的综合网络细胞签名(距离)项目由美国国立卫生研究院(NIH)和与那些12治疗使用类别来源于网(医学主题词)开发和维护由国立医学图书馆(NLM)美国国立卫生研究院。训练款,科学家利用基因转录组数据水平和转录组数据加工利用途径激活评分算法,汇集数据集的样本摄动与不同浓度的药物6 - 24小时。交叉验证实验表明,款在准确预测准确率达到54.6%的12类为每个药物治疗。这个实验的一个奇特的发现是,大量的药物是不是到款双用,暗示可能款混淆矩阵应用于药物再利用。

本月早些时候Insilico医学科学家发表了第一深度学习人类年龄的生物标志物旨在预测病人的健康状况在一篇题为“深人类衰老的生物标志物:深层神经网络应用于生物标记发展”,普京et al,衰老和最新进展的概述在深度学习在一篇题为“深度学习在生物医学中的应用”Mamoshina et al,分子制药学。

“这项研究是一个概念证明,款可以用来标注药物使用转录响应签名,但是我们把这个概念更上一层楼。我们开发了一个管道在硅药物发现,这有可能大大加快临床前阶段几乎任何治疗,想出了一个广泛的预测与多个列表硅验证的步骤,如果验证体外和体内,几乎可以药物在临床实践中”的数量增加一倍,夹亚历克斯说,总统的研究,Insilico医学、公司和该研究的第一作者。