Новая криптографическая система может дать возможность фармацевтическим компаниям и академическим лабораториям работать вместе, ускорив тем самым разработку новых лекарств без необходимости раскрытия конфиденциальных данных своим конкурентам.
Центральным элементом этой вычислительной системы является программа искусственного интеллекта, известная как нейронная сеть. ИИ изучает информацию о том, какие лекарства взаимодействуют с различными белками в организме человека, выявляя тем самым новые взаимосвязи между медицинскими препаратами и белками.
Чем больше будет данных для обучения, тем умнее станет ИИ. Раньше это было проблемой, так как создатели лекарств обычно не делятся друг с другом информацией, не желая потом решать споры в области интеллектуальной собственности. Новая система позволит ИИ собирать сведения из различных источников, сохраняя при этом их конфиденциальность – это может стимулировать возникновение партнерских отношений между исследователями и значительно ускорить разработку медицинских препаратов, отмечают ученые в новом исследовании, опубликованном в журнале Science.
Поиск новых взаимодействий между лекарствами и белками может помочь в выявлении потенциально новых методов лечения различных заболеваний. Ивет Бахар, математический биолог из университета Питтсбурга, не участвующий в исследовании, добавил, что эта работа может показать ученым, взаимодействуют ли препараты с белками, не являющимися их целью, что позволит им определять их побочные эффекты.
В новой системе обучения ИИ данные, собранные из разных исследовательских групп, разделяются между несколькими серверами, поэтому владелец каждого сервера видит только случайные числа. «Тут и происходит та самая криптомагия», – отмечает ученый Дэвид Ву из университета Вирджинии в Шарлоттсвилле, который не участвовал в исследовании. Хоть ни один отдельный участник и не может увидеть миллионы взаимодействий между лекарствами и белками, составляющих набор для обучения, однако серверы способны использовать всю эту информацию, чтобы научить нейронную сеть выявлять взаимосвязи между ранее невидимыми комбинациями препаратов и белков.
«Эта работа носит дальновидный характер. Я думаю, что она сможет заложить крепкую основу для будущего сотрудничества между компаниями в сфере биомедицины», – отметил Цзянь Пэн, компьютерный специалист из Иллинойского университета в Урбане-Шампейне, не участвующий в исследовании.
Математический биолог Бонни Бергер из Массачусетского технологического института и его коллеги Брайан Хи и Хенхуон Чо оценили точность своей системы, обучив нейронную сеть с помощью 1,4 миллиона пар лекарств и белков. Половина из этих пар была взята из базы данных STITCH, и их взаимодействие уже было проверено на практике. Вторая часть включала в себя пары, элементы которых не взаимодействуют между собой. В результате ИИ выбрал взаимодействующие пары с 95-процентной точностью.
Чтобы проверить, может ли система идентифицировать доселе неизвестные взаимодействия между препаратами и белками, команда Бергера обучила нейронную сеть почти двум миллионам парам белков-лекарств: была использована вся базы данных STITCH и такое же количество невзаимодействующих пар. Полностью обученный ИИ предложил несколько взаимодействий, о которых никогда ранее не сообщалось. Некоторые из них были известны, но не включены в БД STITCH.
К примеру, ИИ идентифицировал взаимодействие между белками рецептора эстрогена и лекарством, разработанным для лечения рака молочной железы и называемым дролоксифеном. Нейронная сеть также обнаружила ранее неизвестное взаимодействие между лейкемическим препаратом иматинибом и белком ErbB4, который, возможно, задействован в различных типах рака. Исследователи подтвердили это взаимодействие на практике в лабораторных условиях.
Эта защищенная вычислительная сеть может также способствовать расширению сотрудничества в областях, которые не относятся к развитию фармацевтики. Пэн отмечает, что больницы могут делиться конфиденциальными медицинскими данными для обучения программ ИИ, которым удастся прогнозировать болезни пациентов или разрабатывать для них лечебные курсы.
«Всякий раз, когда вы захотите провести исследование на основе большого количества информации о людях, их поведении, медицинских данных, финансовых отчетах, юридических документах и геноме, вам обязательно стоит воспользоваться методами, связанными с применением нейронных сетей», – добавил в конце Ву.