KI-Forscher arbeiten gemeinsam an der Entwicklung des "ImageNet" der generativen Wirkstoffforschung

04.12.2018 - USA

Insilico Medicine, ein Unternehmen der künstlichen Intelligenz, das eine End-to-End-Pipeline zur Entdeckung von Medikamenten für altersbedingte Krankheiten entwickelt, kündigte eine offene Forschungskooperation an. Forscher sind eingeladen, einen Beitrag zur neuen Plattform MOSES (Molecular Sets) zu leisten, die in dem Artikel mit dem Titel "Molecular Sets (MOSES): A Benchmarking Platform for Molecular Generation Models" beschrieben wird. Der Code und die Arbeit sind im GitHub-Repository verfügbar.

Die ursprüngliche Benchmarking-Plattform ist das Ergebnis der Zusammenarbeit zwischen Insilico Medicine, Neuromation und dem Labor von Alán Aspuru-Guzik. Die Forscher und Teams sind eingeladen, ihre Datensätze und Modelle einzubringen, um die Benchmarking-Plattform zu erweitern.

Der Artikel stellt Molecular Sets (MOSES) vor - eine Benchmarking-Plattform, die verschiedene maschinelle Lerntechniken umfasst, um sie mit einem Standarddatensatz zu vergleichen. MOSES implementiert mehrere gängige molekulare Generierungsmodelle und ordnet sie nach einem vordefinierten Satz von Metriken ein. Ziel von MOSES ist es, das Tempo der Wirkstoffforschung zu erhöhen und den Austausch und Vergleich neuer Modelle zu erleichtern. MOSES soll die kI-gesteuerte Wirkstofffindung fördern, so wie ImageNet das tiefe Lernen von Bilddaten gefördert hat.

Die laufende Forschung im Bereich des maschinellen Lernens, insbesondere des Deep Learning, wirft die Frage nach der Reproduzierbarkeit und dem fairen Vergleich verschiedener Ansätze auf. Während es mehrere Methoden zur Erzeugung neuartiger molekularer Strukturen mit maschinellen Lernmodellen gibt, gibt es keine konventionelle Methode, um die Leistung dieser generativen Modelle auszuführen und zu bewerten. Die MOSES-Plattform bietet einen standardisierten Benchmarking-Datensatz, eine Reihe von Open-Source-Modellen mit einheitlicher Implementierung und Metriken zur Bewertung und Bewertung der Ergebnisse der Generierung.

"Als wir 2015 die Reise in die generative Chemie mit GANs begannen, war es eine eher exotische und unerprobte Technologie. Heute ist es experimentell validiert und das Feld explodiert, wobei sich viele Gruppen zusammenschließen und sinnvolle Beiträge leisten. Wir glauben, dass es wichtig ist, eine Reihe von Standards und Benchmarks zu entwickeln, um der Gemeinschaft zu helfen, die Bereitstellung von KI-generierten Medikamenten für die Patienten zu beschleunigen", sagte Dr. Alex Zhavoronkov, Gründer und CEO von Insilico Medicine.

"Bei Insilico Medicine nehmen wir die Reproduzierbarkeit und faire Bewertung von Modellen des maschinellen Lernens sehr ernst. Die wachsende Popularität generativer KI-Anwendungen in der Wirkstoffforschung erfordert eine standardisierte Benchmarking-Plattform, die von der Forschungsgemeinschaft unterstützt und gepflegt wird. Mit MOSES kommen wir dem ultimativen Ziel, die Industrie mit besseren Arzneimitteln zu stören, die mit fortschrittlichen computergestützten und maschinellen Lernmethoden hergestellt werden, einen Schritt näher", sagt Alexander Zhebrak, CTO von Insilico Medicine.

"Ich freue mich, diese Forschungskooperation im Namen von Neuromation bekannt zu geben. Hier bei Neuromation versuchen wir, in vielen Bereichen Spitzenergebnisse aus dem tiefen Lernen zu erzielen, wobei die Gesundheitsversorgung zu unseren obersten Prioritäten zählt. MOSES ist eine Benchmarking-Plattform, die das Potenzial hat, ein Industriestandard für generative Modelle in der Biochemie zu werden; die Entwicklung war für uns ein aufregender Weg und eine wunderbare Gelegenheit, mit Insilico Medicine zusammenzuarbeiten", sagte Sergey Nikolenko, Ph.D., Chief Research Officer of Neuromation.

https://www.bionity.com/de/news/159547/ki-forscher-arbeiten-gemeinsam-an-der-entwicklung-des-imagenet-der-generativen-wirkstoffforschung.html