Ученый нашел способ повысить надежность ИИ в разработке лекарств

Ученый из Университета Вандербильта предложил новый подход к использованию машинного обучения в компьютерном дизайне лекарств, который решает проблему непредсказуемых ошибок при работе с новыми химическими структурами.

Доктор Бенджамин П. Браун, доцент фармакологии, разработал архитектуру модели, которая фокусируется исключительно на пространстве взаимодействий между белком и молекулой лекарства, а не на их полных 3D-структурах.

«Ограничивая модель этим представлением, мы заставляем ее изучать переносимые принципы молекулярного связывания, а не структурные сокращения из обучающих данных, которые не работают с новыми молекулами», — объяснил Браун.

Ключевой особенностью работы стала строгая система оценки, при которой модель тестировали на белковых суперсемействах, полностью исключенных из обучающей выборки. Это имитировало реальный сценарий открытия новых белковых семейств.

Исследование показало три важных результата:

• Специализированные архитектуры позволяют создавать более универсальные модели
• Современные модели ИИ значительно теряют в эффективности при работе с новыми белковыми семействами
• Новый подход обеспечивает надежный базис для создания доверенного ИИ в разработке лекарств

Хотя текущее улучшение производительности по сравнению с традиционными методами остается скромным, работа Брауна открывает путь к созданию более предсказуемых и надежных систем ИИ для фармацевтических исследований.