Поделиться
В ИТМО придумали, как быстро формировать таблетку из лекарства с помощью ИИ
Ученые ИТМО разработали алгоритм на основе машинного обучения, который упростит и удешевит создание готовых лекарственных форм. Новое решение позволит еще до проведения экспериментов сгенерировать вспомогательные молекулы с нужными свойствами и собрать из них основу будущего лекарственного препарата — фармацевтический сокристалл. Это описывается в работе «Генеративный ИИ для дизайна сокристаллов с контролем свойств» (Generative AI for Co-Crystal Design with Property Control). Об этом CNews сообщили представители ИТМО.
Авторы работы, ученые из химико-биологического кластера ИТМО и лаборатории компьютерного моделирования природных систем (NSS Lab), разработали алгоритм для генерации сокристаллов — кристаллов из нескольких молекул. Решение сократит число необходимых экспериментов, тем самым ускорит и удешевит создание лекарственных препаратов. В частности, с помощью алгоритма можно будет улучшить таблетируемость лекарств — процесс спрессовывания лекарственного вещества в таблетку.
«Фармацевтические сокристаллы состоят из молекулы лекарства и коформера — вспомогательной молекулы, которая позволяет изменять физико-химические свойства лекарственного соединения. Обычно чтобы выбрать подходящий коформер, нужно провести большое количество экспериментов, из-за чего создание сокристаллов с заданными характеристиками занимает много времени. Благодаря нашему алгоритму для автоматизированного поиска сокристаллов in silico этот процесс можно значительно ускорить», – сказала Нина Губина, одна из авторов работы, инженер химико-биологического кластера.
Алгоритм определяет кандидатов для сокристаллизации, оценивает их механические свойства, а затем выбирает лучшие молекулы и совершенствует их с помощью эволюционного алгоритма. Сейчас он представляет собой код на языке Python, на основе которого можно разработать сайт или приложение. С его помощью создавать сокристаллы для лекарственных препаратов будет проще, быстрее и дешевле. В будущем ученые хотят проверить алгоритм экспериментально, научить его предсказывать больше свойств сокристаллов, а также адаптировать и под другие химические системы.
«В нашей работе мы использовали гибридный подход: применяли генеративную нейросеть и fine-tuning структуры кристалла с помощью эволюционной оптимизации. Это позволило нам соединить преимущества генеративного ИИ и интеллектуальных методов оптимизации и обеспечить как высокое качество полученных структур кристаллов, так и их разнообразие и новизну. При этом мы применяли открытую библиотеку GOLEM, разработанную в центре “Сильный ИИ в промышленности” ИТМО», – сказал Николай Никитин, один из авторов работы, исследователь из NSS Lab, руководитель фронтирной лаборатории автоматического машинного обучения.
Короткая ссылка
