Машинное обучение в медицине — различия между версиями
(→Drug discovery) |
(→Предсказание молекулярных свойств) |
||
| Строка 9: | Строка 9: | ||
При поиске новых лекарстенных средств часто прибегают к помощи машинного обучения в таких задачах, как предсказание молекулярных свойств потенциальной молекулы лекарства, формы какого-либо белка, активности взамодействия между друмя молеулами и т.д. | При поиске новых лекарстенных средств часто прибегают к помощи машинного обучения в таких задачах, как предсказание молекулярных свойств потенциальной молекулы лекарства, формы какого-либо белка, активности взамодействия между друмя молеулами и т.д. | ||
===Предсказание молекулярных свойств=== | ===Предсказание молекулярных свойств=== | ||
| + | [[Файл:MoleculeGNN.PNG|400px|thumb|Молекулярный граф]] | ||
Одна из главных задач машинного обучения при поиске новых лекарств {{---}} сужение круга их поиска. Чаще всего, фармацевтические компании имеют на руках библиотеки с огромным количеством веществ, которые они потенциально могут синтезировать и опробовать в качестве лекарства. Но обычно размеры этих библиотек составляют тысячи молекул, поэтому ситезировать и проверить каждую из них не представлятся возможным. В этом случае прибегают к предсказанию некоторых свойств этих молекул, которые точно определяют, может ли молекула быть использована как лекарство. | Одна из главных задач машинного обучения при поиске новых лекарств {{---}} сужение круга их поиска. Чаще всего, фармацевтические компании имеют на руках библиотеки с огромным количеством веществ, которые они потенциально могут синтезировать и опробовать в качестве лекарства. Но обычно размеры этих библиотек составляют тысячи молекул, поэтому ситезировать и проверить каждую из них не представлятся возможным. В этом случае прибегают к предсказанию некоторых свойств этих молекул, которые точно определяют, может ли молекула быть использована как лекарство. | ||
| − | Для предсказания свойств молекул обычно используют молекулярный граф - графическое представление молекулы (ее атомов и связей). | + | Для предсказания свойств молекул обычно используют молекулярный граф - графическое представление молекулы (ее атомов и связей). |
По молекулярному графу далее строится вектор свойств для молекулы. В основе большинства методов лежат [[графовые нейронные сети]]. | По молекулярному графу далее строится вектор свойств для молекулы. В основе большинства методов лежат [[графовые нейронные сети]]. | ||
| − | + | ||
===Предсказание формы белка=== | ===Предсказание формы белка=== | ||
===Предсказание реакции между молекулами=== | ===Предсказание реакции между молекулами=== | ||
Версия 16:15, 28 декабря 2020
Какие проблемы решает и какими способами. Supervised learning can be used to identify patients to screen for prevention. Unsupervised learning can be used to discover new biological hypotheses. Reinforcement learning takes easy clinical decisions out of clinicians’ hands
Содержание
Диагностика заболеваний
Персонализированное лечение
Поиск лекарств
Поиск лекарств (англ. drug discovery, drug design) - процесс поиска новых лекарственных средств, часто основанный на знаниях о биологической мишени. При поиске новых лекарстенных средств часто прибегают к помощи машинного обучения в таких задачах, как предсказание молекулярных свойств потенциальной молекулы лекарства, формы какого-либо белка, активности взамодействия между друмя молеулами и т.д.
Предсказание молекулярных свойств
Одна из главных задач машинного обучения при поиске новых лекарств — сужение круга их поиска. Чаще всего, фармацевтические компании имеют на руках библиотеки с огромным количеством веществ, которые они потенциально могут синтезировать и опробовать в качестве лекарства. Но обычно размеры этих библиотек составляют тысячи молекул, поэтому ситезировать и проверить каждую из них не представлятся возможным. В этом случае прибегают к предсказанию некоторых свойств этих молекул, которые точно определяют, может ли молекула быть использована как лекарство.
Для предсказания свойств молекул обычно используют молекулярный граф - графическое представление молекулы (ее атомов и связей). По молекулярному графу далее строится вектор свойств для молекулы. В основе большинства методов лежат графовые нейронные сети.
Предсказание формы белка
Предсказание реакции между молекулами
Радиотерапия
Поиск опухолей по результатам исследований
См. также
Примечания
