Машинное обучение: помощь в создании лекарств от рака
В настоящее время технологии в медицинском пространстве стали опорой. Врачи начали регулярно использовать технологические устройства из-за удобства и точности, которые они предлагают. И с постоянным развитием технологий эта практика будет только расти. Более того, технология не только помогла определенной области здравоохранения, но и способствовала ее целостному росту. Открытие лекарств было одной из таких областей здравоохранения, в которой произошли большие улучшения.
Ученые из Института медицинских открытий Sanford Burnham Prebys разработали алгоритм машинного обучения, способный собирать полезную информацию из микроскопических изображений. Это имеет большое значение для всего процесса диагностики и последующего открытия лекарств. Это связано с тем, что ученым нужны такие методы для скрининга сотен тысяч потенциальных соединений, чтобы облегчить идентификацию кандидатов в лекарства, которые вызывают правильный тип эпигенетических эффектов.
Термин эпигенетика относится к химическим меткам, присутствующим в ДНК. Они обеспечивают ясность клеточного механизма и дают им информацию о том, насколько генетические данные могут быть изменены. Это верно потому, что эпигенетическое состояние клетки отражает почти все изменения, происходящие в ней при введении в нее лекарства или других внешних раздражителей.
Лечение рака и других смертельных заболеваний обычно проводится с использованием одобренных FDA препаратов, которые нацелены на эпигенетические изменения, поскольку они оказывают глубокое воздействие на клетки. Однако прогресс в открытии лекарств до сих пор был довольно медленным из-за отсутствия высокопроизводительного метода скрининга. В настоящее время ученые визуализируют эпигенетические изменения с помощью красителей и традиционных методов микроскопии.
Но все это скоро изменится с появлением алгоритма машинного обучения, разработанного исследователями. Они протестировали его, предоставив более 220 эпигенетических препаратов в качестве тестового примера. Алгоритм фактически смог обнаружить активные лекарства, классифицировать их на основе молекулярной функции и даже смог обнаружить другие незначительные эпигенетические изменения внутри клетки, помогая им лучше понять, как работают определенные неизвестные соединения. Этот метод, также называемый микроскопическим изображением эпигенетических ландшафтов, является прорывным изобретением, поскольку он потенциально может помочь в открытии соединений, которые могут лечить глиобластому, тип рака мозга.
Изобретение этого удивительного нового алгоритма открывает возможность решить несколько вопросов, на которые у человечества нет ответа уже много лет. Это может даже помочь нам найти способы обратить старение вспять, а также найти применение в других областях, таких как механические исследования, поскольку алгоритм может обнаруживать и классифицировать эпигенетические изменения, вызванные экспериментальным лечением. Возможности этой новой технологии безграничны. И самое приятное то, что нам даже не нужно ждать будущего, поскольку продукт уже доступен для немедленного использования фармацевтическими компаниями по всему миру!
Посетите веб-сайт: https://thehealthcareinsights.com
