Поділитись:

Вчені створили генеративну модель для пошуку ліків від COVID-19

П'ятниця, 27 листопада 2020, 02:54

Фото ілюстративне

Модель машинного навчання, розроблена групою вчених з Національної лабораторії Лоуренса Лівермора (LLNL) для допомоги у робробці ліків від COVID-19, є фіналістом спеціальної премії Гордона Белла за дослідження COVID-19 на основі високоефективних обчислень.

Про це пише ІА «Конкурент» з посиланням на матеріали Національної лабораторії Лоуренса Лівермора .

Використовуючи Sierra, третій за швидкістю суперкомп'ютер у світі, вчені LLNL створили більш точну та ефективну генеративну модель, яка дозволила дослідникам COVID-19 виробляти нові сполуки, які могли б лікувати хворобу. Команда підготувала модель на безпрецедентному рівні 1,6 мільярда маломолекулярних сполук та мільйон додаткових перспективних сполук для COVID-19, скоротивши час навчання моделі з одного дня лише до 23 хвилин.

З перших днів пандемії вчені LLNL використовували машинне навчання, щоб виявити контрзаходи, здатні зв'язуватися з білковими ділянками вірусу SARS-CoV-2, що викликає COVID-19. Лабораторні дослідники планують включити вдосконалену генеративну модель у цикл розробки лікарських засобів з невеликою молекулою, щоб створити більш різноманітні та потенційно більш ефективні медикаментозні сполуки для синтезу для експериментальних випробувань, що є критичним фактором у змаганні за пошук нових препаратів COVID-19.

"Мета цього проєкту – генерувати нові молекули у великому просторі на основі перспективних з використанням стикування, зв'язування та молекулярної динаміки, але зробити їх дещо іншими, щоб дослідники COVID-19 могли оптимізувати свої конструкції", – каже автор Феліче Лайтстоун, який очолює роботу з невеликими молекулами COVID-19.

Нова для цього року спеціальна премія Гордона Белла за дослідження COVID-19 буде оголошена у листопаді на віртуальній конференції суперкомп'ютерів 2020 (SC20). Приз, присуджений Асоціацією обчислювальних машин, відзначає внесок HPC та паралельних обчислень у розуміння пандемії COVID-19. Четверо фіналістів були обрані на основі результативності та інновацій їх обчислювальних методів, а також їх внеску у розуміння природи, поширення та / або лікування захворювання. Команда-переможець отримає нагороду в 10 000 доларів.

"Ми беремо десятиліття досвіду, який мають національні лабораторії, і застосовуємо його, щоб забезпечити як комбінації сильного та слабкого масштабування для такого роду проблем машинного навчання, – сказав головний дослідник Брайан Ван Ессен. – Це може допомогти перетворити розробку ліків на більш обчислюваний процес".

Використовуючи навчання зі змішаною точністю, команда змогла досягти 17,1 відсотка піку напівточної машини за допомогою тензорних ядер. Незважаючи на те, що масштабування моделі на всю Sierra було «значним випробуванням», маючи навіть скромні обчислювальні ресурси, вчені заявили, що вони можуть навчити або перекваліфікувати десятки нових моделей за годину, навіть коли генеруються нові сполуки, для створення автоматизованого «самоврядування» – навчання дизайну ”для прискорення виявлення ліків.

Оскільки дослідники знаходять більш перспективні сполуки для COVID-19 і з'являються нові патогени, їм потрібно буде перекваліфікувати модель для нових білкових мішеней та вдосконалити хімічний пошук. За оцінкою кількості молекул, подібних до ліків, можливість швидкого навчання та перекваліфікації моделей машинного навчання в таких масштабах є "неймовірно революційною" для розробки ліків, сказав Ван Ессен.

"Генеративна модель підтримує ефективне дослідження нових частин утворюваного хімічного простору і повинна покращити наші шанси знайти малі молекули, які будуть протидією новому патогену, – сказав комп'ютерний вчений Джонатан Аллен. – Ми розглядаємо можливість запропонувати нові сполуки, які, як передбачається обчислювально, відповідають багатьом фармакологічним критеріям проектування за один етап оцінки. Це контрастує з традиційним підходом серійної оптимізації та експериментального тестування кожної властивості окремо, що значно подовжує час відкриття та розробки лікарських засобів ".

Дослідники заявили, що хоча результати є багатообіцяючими, вони хочуть покращити масштабування та навчитись, використовуючи більше типів моделей. Наступним їх кроком є включення повністю навченої моделі до циклу розробки лікарських засобів, щоб вчені COVID-19 могли використовувати її для оцінки більш різноманітного набору сполук, прогнозування більш діючих хімічних речовин та здійснення більшого контролю за спеціалізацією нових сполук.

ЧИТАЙТЕ ТАКОЖ: 

Надрукувати
мітки:
коментарів
18 січня 2021
12 січня 2021
10 січня 2021
02 січня 2021
01 січня 2021
31 грудня 2020
30 грудня 2020
27 грудня 2020
26 грудня 2020
22 грудня 2020