От искусственного интеллекта к глубокому обучению: применение машинного интеллекта в поиске лекарственных препаратов

Разработка лекарственных препаратов — важное направление исследований фармацевтических компаний и химиков. Однако низкая эффективность, доставка препарата не к мишени, длительность и высокая стоимость создают препятствия для разработки и поиска лекарств. Дополнительные трудности связаны со сложными и крупными массивами данных геномики, протеомики, микрочиповых исследований и клинических испытаний. Искусственный интеллект и машинное обучение играют важную роль в поиске и разработке лекарственных препаратов. Искусственные нейронные сети и алгоритмы глубокого обучения существенно преобразили эту область. Алгоритмы машинного обучения и глубокого обучения применяются на разных этапах поиска лекарств, включая синтез пептидов, структурно-ориентированный и лиганд-ориентированный виртуальный скрининг, прогнозирование токсичности, мониторинг высвобождения препаратов, фармакофорное моделирование, оценку количественной зависимости «структура—активность», репозиционирование лекарств, полифармакологию и изучение физико-химической активности. Данные, полученные ранее, подтверждают целесообразность применения искусственного интеллекта и глубокого обучения в этой области. Кроме того, новые методы извлечения, систематизации и управления данными существенно поддержали разработку современных алгоритмов моделирования. В целом достижения в области искусственного интеллекта и глубокого обучения открывают широкие возможности для рационального дизайна и поиска лекарственных препаратов, что в конечном итоге повлияет на жизнь людей. Основные проблемы разработки лекарств — затраты времени и стоимость производства. Кроме того, препятствиями для доставки и разработки препаратов остаются низкая эффективность, неточная доставка к мишени и неподходящая дозировка. Развитие технологий позволяет с помощью автоматизированного проектирования лекарств с применением алгоритмов искусственного интеллекта преодолевать трудности традиционных подходов к разработке препаратов. Искусственный интеллект — это более широкая область, включающая машинное обучение, которое, в свою очередь, охватывает обучение с учителем, обучение без учителя и обучение с подкреплением. Глубокое обучение — подраздел машинного обучения — широко применяется при разработке лекарственных препаратов. Среди используемых алгоритмов — искусственные и глубокие нейронные сети, метод опорных векторов, классификация и регрессия, генеративно-состязательные сети, символическое обучение и метаобучение. Искусственный интеллект применяется на разных этапах разработки лекарств: от синтеза пептидов и проектирования молекул до виртуального скрининга и молекулярного докинга, от оценки количественной зависимости «структура—активность» и репозиционирования препаратов до изучения неправильного сворачивания белков и взаимодействий белок—белок, а также от выявления молекулярных путей до полифармакологии. Методы искусственного интеллекта используют для классификации активных и неактивных соединений, мониторинга высвобождения препаратов, доклинической и клинической разработки, первичного и вторичного скрининга лекарств, разработки биомаркеров, фармацевтического производства, определения биологической активности и физико-химических свойств, прогнозирования токсичности и выявления механизма действия.