БНТИ
Бюро научно-технической информации
Негодных кандидатов в лекарства выявит нейронная сеть
При разработке нового лекарства исследователи перебирают десятки тысяч химических веществ, которые потенциально могли бы оказывать лечебное действие. После того как подобные вещества находят, из них выбирают самые эффективные. Затем следуют испытания на живых тканях и животных, в ходе которых выясняют, токсичен ли препарат для живого организма. При отрицательных результатах начинаются клинические испытания, первая стадия которых призвана выявить переносимость лекарства человеком. Именно на этой стадии отсеивается большая доля потенциальных лекарств. То есть когда уже вложены большие деньги и усилия в разработку данного препарата.
Исследователи из Сколтеха (CDISE, группа Максима Фёдорова) и Мюнхенского центра им. Гельмгольца по исследованию окружающей среды и здоровья (HMGU, группа Игоря Тетко) создали технологию прогноза токсичности потенциальных лекарств на основе использования алгоритмов многозадачного машинного обучения и анализа различных видов данных по токсичности. С её помощью можно точно прогнозировать нежелательные эффекты препаратов на самой ранней стадии разработки.
Токсичность того или иного вещества зависит от способа его введения в организм — в виде добавки к пище или таблетки, с помощью инъекций или накожного пластыря. Кроме того, вещество, не токсичное, например, для крыс, может быть опасным для обезьян. Авторы работы учли такую многозначность токсичности и создали нейронную сеть, которая прогнозирует несколько различных её видов.
Для обучения модели использовались данные о токсичности более 70 тысяч органических соединений. Эти данные исследователи распределили по 29 типам, учитывающим вид испытуемого животного и способ введения вещества. Полученную модель сравнили с моделями, прогнозирующими только один тип токсичности, и продемонстрировали, что одновременный учёт многих её видов при обучении значительно улучшает точность прогнозирования. Авторы полагают, что различные виды токсичности связаны между собой, и это помогает нейронной сети выстраивать более точные закономерности.