นักวิจัยจาก Google พร้อมด้วยผู้ร่วมงานจากสถาบันการศึกษาได้ประกาศว่าพวกเขาสร้างระบบ deep learning สำหรับระบุผลึกของโปรตีน (protein crystallization) โดยบรรลุความถูกต้องถึง 94% ซึ่งผลึกโปรตีนนี้เองเป็นส่วนที่สำคัญในกระบวนการค้นคว้ายา (drug discovery process) และช่วยระบุรูปร่างของเซลล์ด้วย
โดยงานนี้มีศักยภาพที่จะค้นคว้าต่อไปในอนาคตได้ ซึ่งจะทำให้สามารถจับคู่รูปร่างของโปรตีนได้ง่ายขึ้นกว่าเดิม
“ผลึกโปรตีนนั้นสามารถค้นหาได้ยาก พบเจอได้ยากมากๆ โดยหลายร้อยการทดลองนั้นมักจะรันทดสอบบนแต่ละชนิดโปรตีน และในขณะที่การ setup และการถ่ายภาพต่างๆ ก็เป็นกระบวนการแบบอัตโนมัติกันส่วนใหญ่แล้ว แต่ส่วนการค้นหาผลึกโปรตีนแต่ละตัวโดยมากยังคงเป็นการดำเนินการผ่านการสังเกตุในภาพโดยคนและก็มักจะมีความผิดพลาดจาก human error” นักวิจัยกล่าวในบล็อคโพส “น่าเสียดายอย่างยิ่งที่หากหลุดโครงสร้างเหล่านี้ไปจะส่งผลให้เสียโอกาสสำหรับการค้นหาทางชีวการแพทย์ (biomedical) ที่สำคัญสำหรับความก้าวหน้าในด้านเภสัชศาสตร์ได้”
โดยทีมงานได้เทรนระบบโครงข่าย Convolutional Neural Network บนเฟรมเวิร์ก TensorFlow กับข้อมูลเกือบ 500,000 ภาพที่พวกเขาสามารถเก็บรวมจากความช่วยเหลือจากความคิดริเริ่มของหน่วยงาน MAchine Recognition of Crystallization Outcomes หรือ MARCO ซึ่งโครงข่ายประสาทเทียมนี้สามารถรู้จำภาพผลึกได้ถึงแม้ว่าจะมีขนาดเล็กและยากต่อการตรวจจับก็ตาม
“โมเดลที่สร้างนี้สามารถดำเนินการได้โดยมีค่าความแม่นยำ (precision) และค่าเรียกคืน (recall) ที่สามารถนำไปใช้งานได้อย่าง practical ในการทำ pipeline เพื่อประเมินผลได้อัตโนมัติ” นักวิจัยกล่าว “งานนี้จึงเป็นตัวอย่างที่ยอดเยี่ยมของประสิทธิผลของความร่วมมือจากหลายๆ หน่วยงานที่มุ่งหวังที่จะแก้ไขปัญหาที่ต้องการข้อมูลจำนวนมหาศาลและมีความหลากหลายที่ไม่ใช่เพียงแค่ผู้ร่วมงานหน่วยงานหนึ่งจะเข้าถึงได้เท่านั้น”
นักวิจัยยังได้สร้างงานนี้ให้เป็น opensource ซึ่งได้นำโค้ดไปไว้ที่ Github แล้ว
Source : https://news.developer.nvidia.com/ai-helps-automate-the-drug-discovery-process/