からの研究者 何ですか コリンズ研究所 説明可能な深層学習モデルを使用して、 MRSA 細菌。 このモデルは、グラフ アルゴリズムを使用して、抗生物質特性を持つ可能性のある化合物を特定します。 追加のモデルは、化学物質が人体に有害かどうかを予測します。
39,312 個の分子と実験的に観察された抗生物質の効果からなるトレーニング データセットを使用して、チームは 20 個のモデルのアンサンブルをトレーニングしました。 ケムプロップ フレームワーク; 新しい分子が与えられた場合、訓練されたアンサンブルは、その可能性のある抗生物質効果を予測できます。 彼らはまた、分子の性質を予測する別のモデルのセットも作成しました。 細胞毒性 肝臓癌、骨格筋、肺線維芽細胞という 3 つの異なるタイプのヒト細胞に存在します。 これらのモデルを分子データベース内の 1,200 万を超える化合物に適用することにより、研究チームは、抗生物質である可能性が高いが毒性である可能性が低い 3,600 の化合物のリストを作成しました。 次に、モンテカルロ木検索手法を使用して説明を作成したり、 根拠 化学的部分構造に基づいて分子の抗生物質効果を調べ、抗生物質の候補となる可能性のある化合物のクラス全体を示すことができます。 研究所所長のジェームス・コリンズ氏は次のように述べています。
ここでの洞察は、特定の分子が優れた抗生物質を生成するという予測を行うためにモデルによって何が学習されているかを確認できるということでした。 私たちの研究は、これまでになかった方法で、時間効率、資源効率が高く、化学構造の観点から機構的に洞察力に優れたフレームワークを提供します。
最近、AI モデルは化学や生物学のいくつかの問題を解決するために使用されています。 2020年のコリンズ研究所 AIモデルを使用した 既知の化合物を特定するには、 ハリシン潜在的な抗生物質として。 InfoQ は、DeepMind のような他のアプリケーションもカバーしています。 アルファフォールド2これにより、長年にわたるタンパク質構造予測の課題が解決されました。 ESMフォールド遺伝子配列からタンパク質の構造を予測する AI モデル。
コリンズ研究室の最新の研究では、分子特性を予測するためのオープンソースの深層学習ライブラリである Chemprop が使用されています。 チームは別のオープンソース ライブラリも使用しました。 RDKit分子の水素アクセプターの数などの追加の入力特徴を計算します。 抗生物質予測モデルのトレーニング データを収集するために、研究者らは黄色ブドウ球菌の培養物を増殖させ、39,312 の各化合物の濃度を追加して、どれが細菌の増殖を阻害するかを決定しました。 これにより、データセット内で抗生物質としてラベル付けされた 512 個の化合物が特定されました。
Andrew Ng の AI ニュースレター The Batch 研究を強調した書き込み：
世界保健機関によると、抗生物質耐性感染症は、2019 年の 127 万人の死亡の直接の原因となる世界の公衆衛生上の最大の脅威の 1 つです。 耐性菌の出現に対抗する取り組みだけでなく、新たな選択肢も必要である。
で 仕事についてのディスカッション Redditで、あるユーザーがこう書いた。
AI が得意とする 1 つの素晴らしい点は、大量のデータを調べてパターンを見つけることです。 これがより多くの医学、健康、宇宙研究に応用されると、とてもエキサイティングな研究になるでしょう。
MITチーム オープンソースの モデル コードとチェックポイント、およびトレーニング データ。 すべて GitHub で入手できます。
1707833545
#MIT #の研究者が説明可能な #モデルを使用して新しい抗生物質を発見
2024-02-13 14:00:37