Изобретением новых лекарств займется ИИ


1 000
Примерно
28 февраля 2021
прогноз сбудется
Медицина
Недавно ученые опубликовали работу, в которой подробно описывается система искусственного интеллекта, созданная для помощи в поиске новых препаратов
49%
51%

Сводная информация по прогнозу Редактировать сводную информацию

01 августа 2018 - Разработка новых фармацевтических препаратов происходит благодаря изменению молекул. Химики выбирают целевую молекулу с известным потенциалом, а затем вручную «настраивают» ее для борьбы с конкретным заболеванием — повышают потенциал и избавляют от свойств, которые могут нанести вред организму. Во время этого процесса ученые добавляют и исключают атомы и связи, отвечающие за определенные химические реакции. Каждая такая операция занимает несколько часов — в результате разработка лекарств отнимает много времени и сил. Искусственный интеллект, созданный учеными Александром Тропшей, Александром Исаевым и Марией Поповой, состоит из двух связанных между собой нейросетей, которые выполняют роли «учителя» и «ученика». «Учитель» владеет «языком» создания лекарств — нейросеть является своего рода словарем, в которую загружены данные о 1,7 млн известных биологически активных молекулах, их свойства и правила взаимодействия друг с другом. «Ученик» обучается навыкам создания лекарств и со временем предлагает более удачные молекулы, которые могут стать основой для новых препаратов. В основе нейросетей лежит система ReLeaSE — вычислительный метод, широко используемый фармацевтической промышленностью для выявления жизнеспособных кандидатов на лекарства. Ученые использовали ReLeaSE для разработки молекул с индивидуальными физическими свойствами, такими как температура плавления и растворимость в воде, и для разработки новых соединений с ингибирующей активностью против фермента, связанного с лейкемией.   https://hightech.fm/2018/08/01/AI-drags

24 июля 2018 - Британские ученые научили искусственную нейронную сеть находить новые соединения и химические реакции. Разработка поможет химикам искать новые материалы, полимеры и лекарственные препараты. Результаты исследования опубликованы в журнале Nature. Ученые из Университета Глазго создали робота-химика, который может предугадывать возможные реакции, а также предсказывать новые соединения. Устройство работает на основе искусственной нейронной сети и подключено к небольшой химической «лаборатории». Таким образом, робот может контролировать ход реакций и анализировать их гораздо быстрее человека. Робот в режиме реального времени отслеживает, какие вещества появились в ходе реакции и какие исчезли с помощью инфракрасной спектроскопи и методов, основанных на ядерном магнитном резонансе. Искусственная нейронная сеть затем обрабатывает полученные данные и принимает решения о дальнейшем пути реакции. Чтобы «научить» систему принимать правильные решения, на начальном этапе опытный эксперт вручную контролировал ход реакции, а алгоритм запоминал его действия. После обучения робот-химик смог предсказать 1000 возможных реакций с точностью более 80%. Четыре реакции оказались ранее неизвестными химикам. https://indicator.ru/news/2018/07/19/himik-robot-s-iskusstvennym-intellektom/

23 января 2018 - Ученые-биоинформатики Центра алгоритмической биотехнологии СПбГУ совместно с коллегой из университета Карнеги-Меллон (США) разработали алгоритм поиска потенциальных антибиотиков, который позволит ускорить создание новых антибактериальных средств. Алгоритм VarQuest позволит во много раз сократить время, необходимое на поиск новых потенциальных антибиотиков. Ученые всего мира бьют тревогу: многие болезнетворные бактерии стали устойчивы к существующим антибиотикам, и, чтобы спастись от болезней, нужно создавать все новые и новые лекарства. Новый математический алгоритм помогает исследователям выявлять последовательность генов бактерий и грибов, выделяющих природные антибиотики. Он позволяет ускорить поиск новых потенциальных антибиотиков за счет повышенной скорости сравнения химических структур биологически активных природных соединений, которые производят исследуемые микроорганизмы. "В каждой базе данных - десятки тысяч соединений, и наш алгоритм оперативно находит похожие пары", - цитирует пресс-служба Санкт-Петербургского госуниверситета участника группы.

21 марта 2017 - Технология AtomNet направлена на рационализацию начального этапа открытия лекарств, который включает в себя взаимодействия различных молекул, в частности, ученым необходимо определить, какие молекулы будут связываться и насколько сильно. Они используют метод проб и ошибок, перебирая десятки тысяч компонентов. AtomNet сокращает этот процесс, используя методы глубокого обучения для прогнозирования, как будут вести себя молекулы и насколько вероятно, что они образуют связи. Программное обеспечение обучается молекулярному взаимодействию, распознавая паттерны, подобно тому как ИИ учится распознавать изображения.

1 августа 2018
User Image4teller(85)%
Разработка новых фармацевтических препаратов происходит благодаря изменению молекул. Химики выбирают целевую молекулу с известным потенциалом, а затем вручную «настраивают» ее для борьбы с конкретным заболеванием — повышают потенцию и избавляют от свойств, которые могут нанести вред организму. Во время этого процесса ученые добавляют и исключают атомы и связи, отвечающие за определенные химические реакции. Каждая такая операция занимает несколько часов — в результате разработка лекарств отнимает много времени и сил. Искусственный интеллект, созданный учеными Александром Тропшей, Александром Исаевым и Марией Поповой, состоит из двух связанных между собой нейросетей, которые выполняют роли «учителя» и «ученика». «Учитель» владеет «языком» создания лекарств — нейросеть является своего рода словарем, в которую загружены данные о 1,7 млн известных биологически активных молекулах, их свойства и правила взаимодействия друг с другом. «Ученик» обучается навыкам создания лекарств и со временем предлагает более удачные молекулы, которые могут стать основой для новых препаратов. «Если мы сравним этот процесс с изучением языка, то после того, как ученик узнает молекулярный алфавит и правила языка, он может создавать новые "слова" или молекулы. Если новая молекула реалистична и имеет желаемый эффект, учитель утверждает ее, а если нет, учитель не одобряет, заставляя ученика избегать плохих молекул и создавать хорошие». В основе нейросетей лежит система ReLeaSE — вычислительный метод, широко используемый фармацевтической промышленностью для выявления жизнеспособных кандидатов на лекарства. Ученые использовали ReLeaSE для разработки молекул с индивидуальными физическими свойствами, такими как температура плавления и растворимость в воде, и для разработки новых соединений с ингибирующей активностью против фермента, связанного с лейкемией.
24 июля 2018
User Image4teller(85)%
Британские ученые научили искусственную нейронную сеть находить новые соединения и химические реакции. Разработка поможет химикам искать новые материалы, полимеры и лекарственные препараты. Результаты исследования опубликованы в журнале Nature. Ученые из Университета Глазго создали робота-химика, который может предугадывать возможные реакции, а также предсказывать новые соединения. Устройство работает на основе искусственной нейронной сети и подключено к небольшой химической «лаборатории». Таким образом, робот может контролировать ход реакций и анализировать их гораздо быстрее человека. Робот в режиме реального времени отслеживает, какие вещества появились в ходе реакции и какие исчезли с помощью инфракрасной спектроскопи и методов, основанных на ядерном магнитном резонансе. Искусственная нейронная сеть затем обрабатывает полученные данные и принимает решения о дальнейшем пути реакции. Чтобы «научить» систему принимать правильные решения, на начальном этапе опытный эксперт вручную контролировал ход реакции, а алгоритм запоминал его действия. После обучения робот-химик смог предсказать 1000 возможных реакций с точностью более 80%. Четыре реакции оказались ранее неизвестными химикам.
24 января 2018
User Image4teller(85)%
Ученые-биоинформатики Центра алгоритмической биотехнологии СПбГУ совместно с коллегой из университета Карнеги-Меллон (США) разработали алгоритм поиска потенциальных антибиотиков, который позволит ускорить создание новых антибактериальных средств, а также поможет возродить производство антибиотиков в России на собственных субстанциях. Об этом сообщил ТАСС один из разработчиков Алексей Гуревич. "Наш алгоритм VarQuest позволит во много раз сократить время, необходимое на поиск новых потенциальных антибиотиков. Ученые всего мира бьют тревогу: многие болезнетворные бактерии стали устойчивы к существующим антибиотикам, и, чтобы спастись от болезней, нужно создавать все новые и новые лекарства", - отметил Гуревич. По мнению ученого, новый математический алгоритм позволит внести вклад в возрождение российской индустрии производства антибиотиков, помогая исследователям выявлять последовательность генов бактерий и грибов, выделяющих природные антибиотики. Он позволяет ускорить поиск новых потенциальных антибиотиков за счет повышенной скорости сравнения химических структур биологически активных природных соединений, которые производят исследуемые микроорганизмы, считают ученые. "В каждой базе данных - десятки тысяч соединений, и наш алгоритм оперативно находит похожие пары", - цитирует пресс-служба Санкт-Петербургского госуниверситета участника группы, доцента СПбГУ, кандидата физико-математических наук Антона Коробейникова. Статья о разработке алгоритма опубликована во вторник в журнале Nature Microbiology. Ускорение процесса поиска новых антибиотиков может быть направлено на производство инновационных антибактериальных средств, считает вице-президент биотехнологической компании "Биокад" по разработкам и исследованиям Роман Иванов. "Это могут быть препараты "последней линии обороны" или же "терапии спасения", - сказал он, отвечая на вопрос корреспондента ТАСС. Директор института иммунологии и физиологии УрО РАН, академик РАН Валерий Черешнев отметил, что увеличением скорости поиска новых антибиотиков можно решить лишь часть проблемы. "Главная проблема в том, чтобы создать антибиотик, к которому бы не возникала резистентность", - отметил он, комментируя разработку.
Существующие похожие прогнозы
Когда-нибудь
прогноз сбудется
Медицина
Привитое животное будет передавать прививку своему потомству, защищая его от болезней
68%
32%
(+2)
Когда-нибудь
прогноз сбудется
Медицина
Мечта каждого - сидеть на диване, чтобы при этом на животе появлялись кубики пресса, стала еще ближе, в чем заслуга учёных из калифорнийского Института биологических исследований Солка
63%
37%
Примерно
28 декабря 2027
прогноз сбудется
Медицина
Группа американских исследователей разработала устройство для анализа мочи на основе нанопроволоки, которое способно засекать микроскопическое количество маркеров рака в моче
37%
63%
(+1)
Примерно
1 января 2020
прогноз сбудется
Медицина
Прививок от легочной чумы, одобренных FDA, на данный момент не существует, но сотрудники Техасского университета занимаются ее созданием
68%
32%
(+1)
Не позднее
30 декабря 2028
прогноз сбудется
Медицина
Учёные из мадридского Университета Карлоса III теперь имеют возможность быстро получать трёхмерные модели исследуемых объектов
47%
53%
Когда-нибудь
прогноз сбудется
Медицина
Международная команда ученых смогла определить 44 генетические вариации, которые увеличивают риски развития депрессивных расстройств
53%
47%
Примерно
11 февраля 2026
прогноз сбудется
Медицина
В пользу прогноза - опыты по использованию стволовых клеток, достижения генетиков и трансплантологов...
62%
38%
(+1)
(+2)
Когда-нибудь
прогноз сбудется
Медицина
Лекарства, селективно воздействующие на больной орган и не затрагивающие соседние клетки - это перспективные разработки, над которыми работает множество ученых
50%
50%
Примерно
7 февраля 2050
прогноз сбудется
Медицина
Бактерии мутируют и приобретают резистивность к антибиотикам. В конце 2014 года исследователи заявили, что к середине текущего столетия бактерии станут смертоноснее рака...
57%
43%
(+1)
Примерно
13 февраля 2021
прогноз сбудется
Медицина
Разработка лекарства уже завершена, идут клинические испытания
65%
35%

Политика:    2016    2017    2018    2019    2020    2021    2022    2023    2024    2025    2026    2027    2028    2029    2030-е    2040-е    2050-е    2060-е    Избранное 

Технологии:    2016    2017    2018    2019    2020    2021    2022    2023    2024    2025    2026    2027    2028    2029    2030-е    2040-е    2050-е    2060-е    Избранное 

Экономика:      2016    2017    2018    2019    2020    2021    2022    2023    2024    2025    2026    2027    2028    2029    2030-е    2040-е    2050-е    2060-е    Избранное 

Общество:      2016    2017    2018    2019    2020    2021    2022    2023    2024    2025    2026    2027    2028    2029    2030-е    2040-е    2050-е    2060-е    Избранное 

Медицина:        2016    2017    2018    2019    2020    2021    2022    2023    2024    2025    2026    2027    2028    2029    2030-е    2040-е    2050-е    2060-е    Избранное 

 

С помощью поиска можно найти прогнозы по любым темам