В МФТИ создали программу для разработки лекарств

16-10-2016, 20:45 Новости » В МФТИ создали программу для разработки лекарств

Учёные из Центра исследований молекулярных механизмов старения и возрастных заболеваний МФТИ разработали программный пакет Knodle для определения связей и степени связи в молекулах. Эта компьютерная программа упрощает один из этапов разработки новых лекарств. Статья опубликована в журнале

Со школы все привыкли видеть органические вещества как буквы с палочками (структура вещества) и также понимать, что на самом деле никаких палочек нет. Ведь каждая палочка — это связь электронов, которые подчиняются законам квантовой химии. В случае одной простой молекулы, вроде такой, как в иллюстрации к статье, опытный химик интуитивно чувствует, какие должны быть гибридизации (со сколькими соседними атомами есть соединение), и за несколько часов кропотливой работы со справочниками может восстановить в ней все связи. Он умеет это делать, потому что видел сотни и сотни похожих соединений и знает, что если кислород «вот так вот торчит» — то, скорее всего, он связан двойной связью. В своей работе аспирантка МФТИ Мария Кадукова и научный сотрудник лаборатории структурной биологии рецепторов, сопряжённых с G белком, МФТИ Сергей Грудинин решили доверить такую интуицию компьютеру, используя для этого технологии машинного обучения.

Сравните «Твёрдый полый предмет с ручкой, отверстием сверху и удлинением сбоку, в конце которого тоже отверстие» и «Сосуд для приготовления чая». И то и другое достаточно хорошо определяет, что такое чайник, но второе объяснение проще, и в него больше верится. Так же и в машинном обучении: самый лучший алгоритм обучения — это самый простой из работающих. Поэтому исследователи выбрали нелинейный метод опорных векторов (SVM) — метод, который себя зарекомендовал в распознавании рукописного текста и изображений. На вход ему давали расположения соседних атомов, а на выходе получали гибридизацию.

Хорошее обучение требует множества примеров, и учёные составили их из 7605 соединений с известной структурой и состояниями атомов.«В этом кроется решающая сила разработанного пакета, так как при обучении на большей базе результат распознавания лучше. Сейчас Knodle находится на шаг впереди подобных себе программ: он допускает всего 3,9% ошибок, тогда как ближайший конкурент — 4,7%", — объясняет Мария Кадукова. И это не единственное преимущество. Программный комплекс легко изменять под конкретную задачу. Например, в данный момент Knodle не работает с веществами, содержащими металлы, потому что эти соединения относительно редки. Но если окажется, что лекарство от Альцгеймера станет заметно эффективней, если в нем будет металл, то для адаптации программы потребуется лишь набрать базу с металлическими соединениями. Поэтому остаётся только догадываться, для какой неизлечимой на данный момент болезни найдут лекарство, используя этот инструмент.

Также читайте: