Nyt AI-system med dyb viden kunne løse flaskehalse i lægemiddelforskning

Forskere ved University of Waterloo har udviklet et nyt system, der markant kan fremskynde opdagelsen af ​​nye lægemidler og reducere behovet for dyre og tidskrævende laboratorietests.

Den nye teknologi kaldet Pattern to Knowledge (P2K) kan forudsige bindingen af ​​biosekvenser på sekunder og potentielt reducere flaskehalse i lægemiddelforskning.

P2K bruger kunstig intelligens (AI) til at udnytte dyb viden fra data i stedet for udelukkende at stole på klassisk maskinlæring.

"P2K er en game changer givet dets evne til at afsløre subtile proteinassociationer viklet ind i komplekse fysisk-kemiske miljøer og kraftfuldt forudsige interaktioner kun baseret på sekvensdata, " sagde Andrew Wong, professor, Systemdesign, og stiftende direktør, Center for mønsteranalyse og maskinintelligens (CPAMI). "Evnen til at få adgang til denne dybe viden fra dokumenterede videnskabelige resultater vil ændre biologisk forskning fremadrettet. P2K har magten til at transformere, hvordan data kan bruges i fremtiden."

Selvom en stor mængde biologiske sekvensdata er blevet indsamlet, at udvinde meningsfuld og nyttig viden har ikke været let. P2K-algoritmer tackler denne udfordring ved at adskille flere associationer for at identificere og forudsige aminosyrebindinger, der styrer proteininteraktioner. Da P2K er meget hurtigere end eksisterende biosekvensanalysesoftware med næsten 30 procent bedre forudsigelsesnøjagtighed, det kan fremskynde opdagelsen af ​​nye lægemidler markant. Ved at trække information fra databaser i skyen, P2K kunne forudsige, hvordan tumorproteiner og potentielle kræftbehandlinger ville interagere.

Selvom det stadig er i det tidlige prototypestadium, Professor Wong og hans team har gjort online P2K-systemet tilgængeligt offentligt for forskere for at begynde at identificere nye bio-sekvensinteraktioner.

"At lægge denne AI-teknologi i hænderne på biomedicinske forskere vil generere øjeblikkelige resultater, som kunne bruges til fremtidige videnskabelige opdagelser, " sagde Antonio Sze-To, forskningsmedarbejder, Systemdesign, og medopfinder af P2K.

Da den analyserer sekventielle data, anvendeligheden af ​​P2K er ikke begrænset til biomedicinsk forskning. P2K kunne gavne den finansielle industri ved at lave nyttige associationer og forudsigelser for smart handel eller cybersikkerhedssektoren ved at forudsige sandsynligheden for et potentielt cyberangreb.

Forskningspapiret, "Pattern to Knowledge:Deep Knowledge-Directed Machine Learning for Residue-Residue Interaction Prediction" blev for nylig offentliggjort i Nature's Videnskabelige rapporter .