Нейросеть открыла новые пептиды для разработки лекарств |
||
МЕНЮ Главная страница Поиск Регистрация на сайте Помощь проекту Архив новостей ТЕМЫ Новости ИИ Голосовой помощник Разработка ИИГородские сумасшедшие ИИ в медицине ИИ проекты Искусственные нейросети Искусственный интеллект Слежка за людьми Угроза ИИ ИИ теория Внедрение ИИКомпьютерные науки Машинное обуч. (Ошибки) Машинное обучение Машинный перевод Нейронные сети начинающим Психология ИИ Реализация ИИ Реализация нейросетей Создание беспилотных авто Трезво про ИИ Философия ИИ Big data Работа разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика
Генетические алгоритмы Капсульные нейросети Основы нейронных сетей Распознавание лиц Распознавание образов Распознавание речи Творчество ИИ Техническое зрение Чат-боты Авторизация |
2021-08-25 15:39 Исследователи MIT использовали сверточную нейросеть для поиска высокоактивных и нетоксичных пептидов. Нейросеть предложила неизвестные ранее пептиды, которые позволили в 50 раз увеличить скорость доставки препарата для лечения мышечной дистрофии и снизить его токсичность. В препарате для лечения мышечной дистрофии Дюшенна (DMD) используются большие синтетические молекулы PMO, проникающие в ядро клетки и модифицирующие ген дистрофина таким образом, чтобы запустить выработку белков, которые отсутствуют у пациентов с DMD. Ключевой проблемой молекул PMO заключается их низкая способность проникать в клетки. Чтобы ускорить доставку PMO к ядру, фармацевты прикрепляют к молекуле проникающие в клетки пептиды, тем самым помогая ей пересекать клеточные мембраны и достигать цели. Однако ранее было непонятно, как решать задачу определения наиболее подходящей последовательности пептидов: например, количество пептидов с 40 остатками аминокислот превышает число атомов на Земле. Исследователям MIT удалось на основе ИИ обнаружить нетоксичные и высокоактивные пептиды, которые могут быть присоединены к PMO для облегчения доставки. Результаты исследования опубликованы в Nature Chemistry. Для сбора обучающего датасета группа ученых составили экспериментально составили набор из 600 последовательностей пептидов, каждая из которых была прикреплена к PMO, и количественно оценили активность (эффективность доставки) каждого варианта. После обучения модель научилась предсказывать активность пептидных последовательностей и предложила последовательности, которые оказались более эффективными, чем любые ранее известные варианты. Один из них, в частности, может увеличить доставку PMO в 50 раз по сравнению со скоростью доставки текущей версии препарата. Исследователи ввели модифицированную версию препарата мышам и подтвердили прогноз нейросети, а также продемонстрировали нетоксичность новых последовательностей. Исходный код модели был выложен на Github, и сторонние ученые уже использовали ее для улучшения и разработки более 10 других видов лекарств. Источник: neurohive.io Комментарии: |
|