Facebook和德国研究中心HelmholtzZentrumMünchen，开放式资源AI模型，其要求预测新药物组合的影响

Facebook今天详细说明了它声称的第一单一AI模型，其能够预测药物组合，剂量，定时和其他类型的干预措施等类型的缺陷。 Facebook表示，与HelmholtzZentrumMünchen合作开发，该模型可以加速鉴定药物和其他治疗组合的过程，这些方法可能导致疾病更好的结果。

发现可恢复现有药物的方法已被证明是一种治疗包括癌症在内的疾病的强大工具。近年来，医生在“药物鸡尾酒”中取得了成功，以打击恶性条件，并继续探索患者的个性化治疗方法。但在适当剂量的现有药物中发现有效组合是非常具有挑战性的，部分原因是几乎无限的可能性。研究人员必须尝试5,000至190亿次解决方案，以找到最佳的方案给出100种药物的池。

Facebook的开源模型 - 组成扰动AutoEncoder（CPA） - 表面上用自我监控技术解决了这一点，观察药物组合处理细胞并预测新组合的影响。与从标记数据集中学习的监督模型不同，Facebook的通过暴露数据部分之间的关​​系来从数据中生成标签，这是对实现人级智能至关重要的一步。

根据Facebook的说法，CPA的预测需要数小时，而不是可能过去的几年，允许研究人员选择最有希望的验证和随访的结果。

在生物学中，使用RNA测序作为测量分子水平在分子水平的细胞基因表达的方法，并研究包括药物组合的扰动的影响。学术界和工业释放了RNA测序数据集，该数据集包含多达数百万个细胞，每种细胞20,000次读出，以促进生物医学研究。

Facebook利用这些数据集使用名为自动编码的方法培训CPA，其中数据被压缩和解压缩，直到总结为可用于预测的模式。 CPA首先分离并学习关于细胞的关键属性，例如某种药物，组合，剂量，时间，基因缺失或细胞类型的效果。然后，它独立重组属性以将其对细胞基因表达的影响投影。例如，如果其中一个数据集有关于药物如何影响不同类型的细胞A，B，C和A + B的信息，则CPA将从细胞型特定方式中学到每个药物的影响，然后按顺序重新组合。外布A + C，B + C和A + B之间的相互作用。

为了测试CPA，Facebook表示，它将模型应用于五个公开可用的RNA序列数据集，其中癌细胞上的药物，剂量和其他混合物的测量和结果。根据R2指标的基准测试，它代表了基因表达预测的准确性，Facebook声称CPA“在训练和测试之间保持一致” - 鲁棒性的指示。此外，CPA对药物组合和剂量对癌细胞的影响的预测匹配在测试数据集中“可靠性”匹配。

Facebook认为，注册会计师可以“大幅作出”识别识别出最佳的治疗组合的过程，以及为新药开发的新机会铺平道路。为此，公司正在提供API和一个软件包，旨在让研究人员插入数据集并通过预测运行。

“我们的希望是制药和学术研究人员以及生物学家将利用[CPA]来加速识别各种疾病的最佳组合的过程，”Facebook计划经理Anna Klimovskaia和Research Scients David Lopez-Paz写在博客帖子中。 “在未来，[注册会计师]不仅可以加快毒品重新制备研究，还可以 - 一天 - 使治疗更加个性化，量身定制，对单个细胞反应，未来迄今为止未来最具积极的挑战之一。”

虽然Facebook声称CPA在其架构中是新颖的，但它不是设计用于预测药物相互作用的第一算法。 2018年7月，斯坦福研究人员详细介绍了一种AI系统，可以通过将超过19,000个蛋白质互相互动和药物的身体中的超过19,000个蛋白质来预测药物组合的影响。 MIT-IBM Watson Ai Lab，哈佛大学公共卫生学院的研究人员，佐治亚理工学院和IQVIA最近创建了一个叫做施法者的AI工具，估计可能有害和不安全的药物互动。一个单独的哈佛组织提出了应用AI识别阿尔茨海默病中药物重新淘汰的候选人。 Aalto大学的研究人员，赫尔辛基大学，芬兰土库大学创建了一种机器学习模型，该模型项目将药物组合可能杀死各种癌细胞。

VidtureBeat＆＃39; S使命是成为技术决策者的数字城市广场，以获得有关转型技术和Transact的知识。您网站提供有关数据技术和策略的基本信息，以指导您的领导您的组织。我们邀请您成为社区的成员，访问：门控思想领导者内容和对我们奖化事件的折扣访问，如转换2021：了解更多

成为会员