GraphBAN: Искусственный интеллект для ускорения и удешевления разработки лекарств

Исследователи из Университета Манитобы (UM) разработали модель глубокого обучения для прогнозирования взаимодействий между соединениями и белками. GraphBAN — это индуктивный подход на основе графов. Модель предназначена для открытия новых кандидатов в лекарственные препараты на доклинической стадии, что ускоряет процесс и делает его более доступным.

Исследование опубликовано в журнале Nature Communications.

«Проверенный подход в разработке лекарств — найти белки, которые играют ключевую роль в заболевании или помогают выживать вредным микроорганизмам. Если мы сможем воздействовать на эти белки правильными малыми молекулами, мы сможем нарушить процесс болезни», — говорит специалист по данным Хамид Хадипур.

Хадипур разработал концепцию и алгоритмы вместе с доктором Пинчжао Ху, адъюнкт-профессором Медицинского колледжа Макса Рэди в UM.

GraphBAN предсказывает, может ли малая молекула связываться с белком, и определяет, с какими частями белка происходит взаимодействие. Эта модель глубокого обучения ускоряет процесс прогнозирования, проводя визуальный анализ с помощью ИИ. Это экономит время и деньги, позволяя исследователям сосредоточиться на наиболее перспективных кандидатах, например, для создания антибиотиков или методов лечения рака.

GraphBAN стал результатом междисциплинарного сотрудничества между химией, биохимией, микробиологией и компьютерными науками. Проект был реализован при вкладе и со-руководстве доктора Сильвии Кардона, профессора и заместителя заведующего кафедрой микробиологии. Её лаборатория изучает молекулярную микробиологию и микробную геномику с фокусом на открытии антибиотиков.

Кардона отмечает, что в науке будет всё больше прогнозов с помощью ИИ, которые затем необходимо подтверждать экспериментальными исследованиями. ИИ не заменит экспериментальные исследования, а дополнит их.