Алгоритмы рекомендации товаров могут помочь при поиске лекарств от вирусных заболеваний

Ученые из Сколтеха и Научного центра исследований и разработки иммунобиологических препаратов имени М.П. Чумакова решили узнать, могут ли системы искусственного интеллекта, помогающие покупателям в выборе товара, порекомендовать новые соединения для лечения вирусных заболеваний. Исследователи установили, что широко используемые алгоритмы способны не только рекомендовать пользователям подходящую музыку или фильмы в интернет-магазинах, но и эффективно отбирать соединения, обладающие противовирусной активностью. Результаты исследования опубликованы в высокорейтинговом журнале американского химического общества – ACS Omega.

Пользователям интернет-магазинов знакомы рекомендации товара в дополнение к уже купленному. Специальные алгоритмы анализируют большие объемы данных о предпочтениях покупателей и рекомендуют им новый товар, музыку или фильм. Рекомендательные системы, основанные на этих алгоритмах и известные на примере  контекстной рекламы, уже прочно вошли в жизнь интернет пользователей. Возможно ли использовать эти алгоритмы для того, чтобы “порекомендовать” новый противовирусный препарат, с оглядкой на те, что уже были исследованы? Или же “рекомендовать” уже известное и внедренное в клиническую практику лекарство для лечения новой болезни?

figure1

Поиск активного соединения в бесконечном химическом пространстве / Сколтех

Мультидисциплинарная группа исследователей из Центра научных и инженерных вычислительных технологий для задач с большими массивами данных Сколтеха CDISE (Екатерина Соснина, Сергей Соснин, Иван Назаров и Максим Федоров) и Научного центра исследований и разработки иммунобиологических препаратов имени М.П. Чумакова (Анастасия Никитина и Дмитрий Осолодкин) решила проверить эту идею. Ученые провели вычислительные эксперименты и сравнили результаты применения различных рекомендательных систем для отбора малых молекул, обладающих противовирусной активностью. Ученые показали, что рекомендательные системы способны определить, обладают ли соединения противовирусной активностью и отобрать наиболее перспективные кандидаты в лекарства.  Одним из ключей к успеху было использование больших данных — специалисты работали с базой ViralCHEMBL, содержащей информацию о противовирусной активности около 250 тысяч малых молекул относительно 158 видов вирусов. Как выяснили исследователи, рекомендательные системы эффективно выявляют закономерности в больших химико-биологических данных.

“Несмотря на то, что математические алгоритмы, лежащие в основе рекомендательных систем, обладают универсальностью, требуется глубокое понимание предметной области: медицинской химии, биологии и машинного обучения, чтобы создать эффективную рекомендательную систему для отбора перспективных противовирусных соединений. Наша работа была начата задолго до эпидемии коронавируса, и мы надеемся, что результаты нашей работы помогут научному сообществу в поиске новых молекул, подавляющих активность SARS-CoV-2” — говорит о своей работе первый автор статьи – аспирант Сколтеха Екатерина Соснина. В прошлом году Екатерина выиграла персональный грант “Аспиранты” от Российского фонда фундаментальных исследований на разработку математических алгоритмов поиска новых лекарственных препаратов. 

Ученые надеются, что их исследование поможет ускорить поиск новых противовирусных препаратов, а также даст возможность экстренного перепрофилирования уже известных лекарств: как для борьбы с SARS-CoV-2, так и в случае вспышек новых вирусных заболеваний.

 

Контакты:
Skoltech Communications
+7 (495) 280 14 81

Tweet about this on Twitter0Share on Facebook0Pin on Pinterest0Share on Tumblr0Share on VK