Новые лекарства скоро можно будет создавать при помощи ИИ

Мохаммед Аль-Кираиши, биолог, посвятивший свою карьеру этому исследованию, в начале декабря улетел в Канкун, Мексику, где ученые обсуждали результаты последних соревнований. После того как он зарегистрировался в отеле, он услышал печальные для него новости. Соревнование Critical Assessment of Structure Prediction выиграли не академики, а компания DeepMind – лаборатория ИИ от Google.

DeepMind специализируется на глубоком обучении и меняет науку открытия медицинских препаратов. Такие техники ИИ ускоряют его многие аспекты, и в некоторых случаях выполняют задачи, которыми обычно занимаются люди.

После конференции в Канкуне Аль-Караши рассказал о своих впечатлениях в своем блоге. Его грусть после проигрыша DeepMind позволила ему более рационально оценить важность научного прогресса. Тем не менее, он сильно раскритиковал большие фармацевтические компании вроде Merck и Novartis, а также научное сообщество за такой большой отрыв.

Фото: Unsplash

Фармацевтические компании же смотрят на ситуацию иначе. Хотя Merck не изучает проблему сворачивания белка, она применяет глубокое обучение в других аспектах процесса открытия медицинских препаратов.

Весной 2016 года после статей о том, как ИИ-системы обыграли людей в Go, исследователи Deepmind стали искать новые задачи. Поэтому они провели хакатон в штаб-квартире компании в Лондоне.

Вместе с двумя другими информатиками Рич Эванс из DeepMind сосредоточил свое внимание на сворачивании белка. Они нашли игру, которая имитировала эту научную задачу. Затем они разработали систему, которая училась играть в игру самостоятельно; результаты оказались многообещающими, и DeepMind всерьез занялась проектом.

Проблема сворачивания белка задает прямой и простой вопрос: Можно ли предсказать физическую структуру белка – его форму в трех измерениях?

Если ученым это удастся, они смогут лучше определять, как к нему будут прикрепляться другие молекулы – и именно так разрабатываются лекарства. Лекарство прикрепляется к определенным белкам в теле и меняет их поведение.  

В прошлом соревновании DeepMind составила такие прогнозы при помощи нейронных сетей. Анализируя тысячи белков, нейронная сеть может научиться предсказывать форму других. Это та же технология глубокого обучения, распознающая лица на фотографиях на Facebook.

Многие академики, участвующие в соревновании, применяли похожие методы. Но DeepMind одержала победу со значительным отрывом – она в два раза улучшила точность своих предсказаний по сравнению с другими участниками.

Фото: Unsplash

Победа DeepMind показала, как будущее биохимических исследований будет зависеть от машин и людей, наблюдающих за этими машинами. Успех исследований ИИ зависит от огромного количества вычислительных мощностей и данных – и у Google это все есть. В лаборатории также работают ведущие исследователи ИИ, которые знают, как использовать эти возможности на полную.

У университетов и фармацевтических компаний нет таких ресурсов. Но благодаря облачным вычислительным сервисам, предлагаемых Google и другими технологическими гигантами, цена вычислительных мощностей продолжает падать. АльКараиши призвал научное сообщество обратить внимание на ИИ.

Некоторые исследователи уже движутся в этом направлении. Многие стартапы, такие как Atomwise и Recursion используют те же техники искусственного интеллекта для ускорения других аспектов открытия лекарств. Recursion, например, применяет нейронные сети и другие методы для анализа изображений клеток и исследует, как новые лекарства влияют на них. Большие фармацевтические компании также начинают изучать эти методы, иногда совместно со стартапами.

Демис Хассабис, сооснователь Deepmind, сказал, что компания намеревается решить проблему сворачивания белка. Но многие эксперты утверждают, что даже если это произойдет, нужно будет сделать еще много работы, прежде чем доктора и пациенты получат от этого какую-либо пользу.

Если ученые продолжат изучать поведение и форму белков в организме, вероятно, им также удастся открыть новые белки. Некоторые эксперты считают, что открытие новых белков важнее, чем изучение методов их сворачивания, и эта задача не сильно соответствует деятельности DeepMind.

Исследователи DeepMind фокусируются на играх и соревнованиях, потому что они могут так показать прогресс в искусственном интеллекте. Но непонятно, как такой подход можно применить к разным задачам.

Источник.

Материалы по теме:

Почему так сложно научить машину разговаривать, как человек

Самый мощный суперкомпьютер в мире поставил новый рекорд в сфере ИИ

Ученые проведут эксперимент, который будет длиться 500 лет. В чем его суть?

Ученые научились переводить сигналы мозга в распознаваемую речь