یادگیری عمیق

حمایت بنیاد ملی علم ایران از نوآوری در کشف دارو:
بهره‌گیری از یادگیری عمیق برای پیش‌بینی تعاملات دارویی

بنیاد ملی علم ایران با حمایت از طرحی که به بررسی تعاملات پروتئین-ترکیب از طریق شبکه‌های مبتنی بر یادگیری عمیق می‌پردازد، فصل جدیدی در شناسایی و کشف داروها گشوده است.

به گزارش مدرن مد به نقل از مرکز ارتباطات و اطلاع رسانی معاونت علمی، فناوری و اقتصاد دانش‌بنیان ریاست جمهوری، «پیش‌بینی تعامل پروتئین-ترکیب با دخالت اطلاعات شباهت ترکیبات دارویی و دنباله‌های پروتئینی در شبکه‌های مبتنی بر یادگیری عمیق» عنوان طرح پسادکتری کریم عباسی و گرنت پژوهشی حمیدرضا ربیعی است که بنیاد ملی علم ایران از این طرح حمایت کرده است.

عباسی با مدرک دکتری تخصصی بیوانفورماتیک از دانشگاه تهران درباره این طرح توضیح داد: «یکی از مهم‏ترین هدف‌های فاز‌های اولیه کشف دارو یافتن مولکول‌های دارویی کاندید با فعالیت فارماکولوژیک مناسب و سمیت کم است. روش‏‌های آزمایشگاهی طراحی و کشف دارو زمان‏بر و پرهزینه هستند.»

او ادامه داد: «بنابراین در کنار روش‏‌های آزمایشگاهی، از روش‌های محاسباتی نیز استفاده می‌‏شود. از روش‌های محاسباتی که برای پیش‌بینی بهترین کاندید دارو‌ها استفاده می‌‏شود می‌‏توان به روش‌های سیستم بیولوژی، یادگیری ماشین کلاسیک و یادگیری عمیق اشاره کرد. با استفاده از این روش‏‌ها می‌توان دارو‌های تأثیرگذار را پیش‌بینی کرد و سپس تحقیقات آزمایشگاهی بر روی آن‌ها انجام شود.»

این محقق و پژوهشگر در ادامه بیان کرد: «در این پژوهش پیش‌بینی تعامل پروتئین-ترکیب (CPI) مورد بررسی قرار گرفت. در پیش‌بینی تعامل پروتئین-ترکیب مقدار عددی تمایل اتصال یک ترکیب (کاندید دارو) را با یک پروتئین هدف تعیین می‌کند که نقش اساسی در فاز اولیه پروسه‌ی کشف دارو دارد.»

او ادامه داد: «همچنین در این تحقیق به دنبال پاسخ به این سؤال اساسی بودیم که آیا می‌‏توان مدلی مبتنی بر یادگیری عمیق که بتواند با بهره‌‏گیری از دانش اضافی موجود در مجموعه داده‌ها، همانند اطلاعات شباهت میان ترکیبات دارویی و پروتئین‌ها طراحی کرد.»

عباسی در پایان خاطر نشان کرد: «یک مدل محاسباتی مبتنی بر یادگیری عمیق برای پیش‌بینی میزان تعامل جفت پروتئین-ترکیب با در نظر گرفتن اطلاعات شباهت میان ترکیبات دارویی و پروتئین‌ها نیز طراحی شد. از این مدل بیشتر در فاز‌های اولیه طراحی دارو استفاده خواهد شد.»

نوشته‌های مشابه