0
據(jù)雷鋒網(wǎng)消息，近日，來自莫斯科物理科技學院（MIPT）,InSilico Medicine和 Mail.Ru集團的研究人員首次將生成神經(jīng)網(wǎng)絡（generative neural network ）應用在研發(fā)擁有特定醫(yī)療屬性的藥物上。這種用生成對抗網(wǎng)絡（Generative Adversarial Networks ，GANs）發(fā)展、訓練新的分子結(jié)構(gòu)的方法，能大幅度減少尋找有潛在藥物特性物質(zhì)的時間和其他成本。研究人員表示，將把該技術應用在腫瘤、心血管疾病甚至抗感染等多個醫(yī)療領域。（雷鋒網(wǎng)此前曾在《硬創(chuàng)公開課》中和大家分享過有關GANs的原理、應用和走向等內(nèi)容，詳情請點擊這里）
無機分子基（ inorganic molecule base）包含數(shù)億種物質(zhì)，但其中只有少數(shù)能被人類應用在醫(yī)療領域。研究人員用藥理學方法研制藥物通常會基于前人的研究成果。例如，阿司匹林很早以前就已經(jīng)被用作藥物，但藥理學家以后還會基于當下的成果繼續(xù)研究它，為該化合物增加其他成分以減少它的副作用、提高藥效。今年早些時候，來自 Insilico Medicine的科學家向公眾展示了用深層神經(jīng)網(wǎng)絡減少搜索藥物范圍的有效性。但如今他們正面臨著一個新的挑戰(zhàn)：是否能用大量分子結(jié)構(gòu)去訓練深層神經(jīng)網(wǎng)絡，然后讓該網(wǎng)絡創(chuàng)造一種概念上的新型分子？
生成對抗自動編碼器（Generative Adversarial Autoencoder ，AAE）結(jié)構(gòu)是GANs的延伸。研究人員把它作為基礎，加上已知的醫(yī)療特性和有效濃度，將之用在訓練神經(jīng)網(wǎng)絡上。研究人員會把和所需化合物相關的信息輸入到網(wǎng)絡中，網(wǎng)絡對其進行調(diào)整后會輸出類似的數(shù)據(jù)。 網(wǎng)絡由三個部分構(gòu)成：編碼器，解碼器和鑒別器。其中每一個在與另兩個“協(xié)作”中都有自己特定的角色。 編碼器與解碼器一起壓縮、恢復母化合物的信息，而鑒別器則使壓縮后的信息更適于恢復。 當網(wǎng)絡已經(jīng)學習過大量已知分子結(jié)構(gòu)后，編碼器和鑒別器則會結(jié)束工作狀態(tài)，網(wǎng)絡就能用解碼器自動生成對分子的描述。
開發(fā)基于文本輸入而生成高質(zhì)量圖像的生成式對抗網(wǎng)絡，需要擁有豐富的專業(yè)知識，并且要在高性能計算設備上進行長時間的訓練。 對于生成圖像和視頻而言，研究人員則可以快速判斷生成質(zhì)量如何。但在生物學中，質(zhì)量控制不僅不能通過“看”來解決，并且還需要大量的驗證實驗來產(chǎn)生大分子。
在系統(tǒng)中，所有分子均表示為“SMILEs”或化學物質(zhì)圖形注釋（雷鋒網(wǎng)注：graphical annotations of chemical substances，目的是它們的結(jié)構(gòu)能儲存在系統(tǒng)中）的形式呈現(xiàn)。學校里教授的標準注冊（standard registration）不適于網(wǎng)絡處理。SMILEs也是如此，因為它們的長度是隨機的。而神經(jīng)網(wǎng)絡訓練需要一個相等的描述長度的向量。這時候，分子“指紋”便能解決這個任務，因為它包含關于分子的完整信息。
該技術的其中一個研究人員Andrei Kazennov，和在Insilico Medicine工作的MIPT研究生評論說：
“我們創(chuàng)造了一個生殖類型的神經(jīng)元網(wǎng)絡，也就是說它能夠生成訓練它類似的東西，最終教會該網(wǎng)絡模型根據(jù)指定的屬性創(chuàng)建新的分子“指紋”。
另外，也可以把抗癌藥物數(shù)據(jù)庫用于網(wǎng)絡檢查。 首先，網(wǎng)絡用其中一半的藥物化合物信息進行訓練，然后再檢查另一部分。目的是讓它預測已學習過，但在訓練時未包含在內(nèi)的化合物。結(jié)果是網(wǎng)絡識別出了69種預估化合物。
Mail.Ru集團搜索優(yōu)化團隊首席程序員、Insilico醫(yī)學獨立科學顧問Artur Kadurin總結(jié)道。
“GANs是神經(jīng)科學領域相當前沿的研究領域。很明顯，與生成圖像、音樂相比，它的應用范圍更廣。我們已經(jīng)在生物信息學中嘗試了這種方法，并且獲得了巨大的成果。“
via：dddmag
