Optibrium publica un importante estudio revisado por pares sobre aplicaciones de inteligencia artificial para datos farmacéuticos globales

[ad_1]

Optibrium Limited, proveedor líder de soluciones de software e inteligencia artificial (IA) para el descubrimiento de fármacos, anunció hoy la publicación de un estudio revisado por pares en Letras de IA aplicadas, “Imputación profunda sobre datos de descubrimiento de fármacos a gran escala”.

Trabajando con el conjunto de datos global patentado de Takeda Pharmaceuticals, el equipo aplicó la plataforma Augmented Chemistry® de Optibrium, demostrando el potencial de la imputación de aprendizaje profundo para reducir los costos y mejorar las tasas de éxito del descubrimiento de fármacos. La plataforma aprovecha el método de aprendizaje profundo Alchemite ™, desarrollado por Intellegens, y ha demostrado ofrecer predicciones más precisas y fiables de propiedades biológicas complejas de fármacos potenciales, lo que permite decisiones de diseño más eficaces.

El estudio demostró que la imputación de aprendizaje profundo genera conocimientos nuevos y valiosos sobre conjuntos de datos patentados, de alto valor y a escala farmacéutica global. Dichos conjuntos de datos son complejos, con datos derivados de muchos experimentos diferentes, incluidas las actividades de compuestos en ensayos bioquímicos y fenotípicos, datos de detección de alto rendimiento y puntos finales de absorción, distribución, metabolismo, eliminación y toxicidad (ADMET).

Tomar las mejores decisiones sobre la progresión del proyecto a partir de dichos datos se complica aún más por el hecho de que la mayoría de los compuestos farmacológicos potenciales se miden en solo un pequeño subconjunto de experimentos que las empresas farmacéuticas y biotecnológicas utilizan habitualmente, lo que da como resultado conjuntos de datos en los que solo un pequeño porcentaje de las mediciones posibles ha sido hecho.

Además, las mediciones son muy ruidosas debido a la complejidad de los experimentos biológicos. Si bien estas características limitan la efectividad de la mayoría de los métodos de aprendizaje automático, el estudio confirmó que Augmented Chemistry® proporcionó información valiosa sobre datos tan desafiantes.

El estudio también encontró que la imputación de aprendizaje profundo hacía predicciones más precisas de las propiedades biológicas de los compuestos, incluida la predicción prospectiva de las actividades de los compuestos en el contexto de los proyectos. En particular, mostró ventajas sustanciales en la predicción de puntos finales complejos, como los ensayos basados ​​en células, que consumen muchos recursos y donde las predicciones más precisas dan como resultado reducciones sustanciales de tiempo y costes.

Además, el método identificó de manera confiable las predicciones más precisas en las que basar las decisiones, lo cual es esencial para evitar perder oportunidades valiosas que surgen de predicciones inexactas. Destacó dónde se requieren más datos experimentales para tomar una decisión segura, diferenciándolos de otros métodos de aprendizaje automático e inteligencia artificial que luchan por proporcionar información confiable de confianza sobre predicciones individuales.

A raíz de un estudio anterior, que demostró la eficacia de la imputación de aprendizaje profundo en conjuntos de datos específicos de proyectos más pequeños, este nuevo estudio mostró que el mismo método se adapta a conjuntos de datos farmacéuticos globales. El modelo descrito se basó en 1,8 millones de puntos de datos relacionados con aproximadamente 700 000 compuestos y 1200 criterios de valoración experimentales. Cuando se aplica en esta escala, los conocimientos sobre compuestos de alto valor y estrategias de investigación aumentan exponencialmente.

Este estudio corrobora los tremendos resultados que hemos visto en muchas colaboraciones con organizaciones farmacéuticas, biotecnológicas y sin fines de lucro. Estamos entusiasmados de ver los importantes beneficios que está produciendo nuestra tecnología de inteligencia artificial y el entusiasmo por su aceptación en la comunidad farmacéutica “.

Matthew Segall, director ejecutivo de Optibrium

Para ver un seminario web que resume los resultados clave de este estudio, visite https://bit.ly/largescale_imputation.

Para obtener más información sobre Optibrium, visite www.optibrium.com, contacto [email protected] o llame al +44 1223 815900.

.

[ad_2]

Source link