Ttranslator memperluas prediksi metabolit reaksi kimia dalam tubuh manusia – ScienceDaily

Ttranslator memperluas prediksi metabolit reaksi kimia dalam tubuh manusia – ScienceDaily


Saat Anda minum obat, Anda ingin tahu persis apa fungsinya. Perusahaan farmasi melalui pengujian ekstensif untuk memastikan Anda melakukannya.

Dengan teknik baru berbasis pembelajaran mendalam yang dibuat di Sekolah Teknik Brown Universitas Rice, mereka mungkin akan segera mendapatkan pemahaman yang lebih baik tentang bagaimana obat yang sedang dikembangkan akan bekerja dalam tubuh manusia.

Lab Rice dari ilmuwan komputer Lydia Kavraki telah memperkenalkan Metabolite Translator, alat komputasi yang memprediksi metabolit, produk dari interaksi antara molekul kecil seperti obat-obatan dan enzim.

Para peneliti Rice memanfaatkan metode pembelajaran mendalam dan ketersediaan kumpulan data reaksi besar-besaran untuk memberi para pengembang gambaran luas tentang apa yang akan dilakukan obat. Metode ini tidak dibatasi oleh aturan yang digunakan perusahaan untuk menentukan reaksi metabolik, membuka jalan menuju penemuan baru.

“Saat Anda mencoba untuk menentukan apakah suatu senyawa adalah obat potensial, Anda harus memeriksa toksisitasnya,” kata Kavraki. “Anda ingin memastikan bahwa ia melakukan apa yang seharusnya, tetapi Anda juga ingin tahu apa lagi yang mungkin terjadi.”

Penelitian oleh Kavraki, penulis utama dan mahasiswa pascasarjana Eleni Litsa dan alumni Rice Payel Das dari Pusat Penelitian Thomas J. Watson IBM, dirinci dalam jurnal Royal Society of Chemistry. Ilmu Kimia.

Para peneliti melatih Penerjemah Metabolit untuk memprediksi metabolit melalui enzim apa pun, tetapi mengukur keberhasilannya terhadap metode berbasis aturan yang ada yang berfokus pada enzim di hati. Enzim ini bertanggung jawab untuk mendetoksifikasi dan menghilangkan xenobiotik, seperti obat-obatan, pestisida, dan polutan. Namun, metabolit juga dapat dibentuk melalui enzim lain.

“Tubuh kita adalah jaringan reaksi kimia,” kata Litsa. “Mereka memiliki enzim yang bekerja pada bahan kimia dan dapat memutuskan atau membentuk ikatan yang mengubah struktur mereka menjadi sesuatu yang dapat menjadi racun, atau menyebabkan komplikasi lain. Metodologi yang ada berfokus pada hati karena sebagian besar senyawa xenobiotik dimetabolisme di sana. Dengan pekerjaan kami, kami ‘ kembali mencoba menangkap metabolisme manusia secara umum.

“Keamanan suatu obat tidak hanya bergantung pada obat itu sendiri tetapi juga pada metabolit yang dapat terbentuk saat obat tersebut diproses di dalam tubuh,” kata Litsa.

Munculnya arsitektur pembelajaran mesin yang beroperasi pada data terstruktur, seperti molekul kimia, memungkinkan pekerjaan tersebut, katanya. Transformer diperkenalkan pada tahun 2017 sebagai metode terjemahan urutan yang telah banyak digunakan dalam terjemahan bahasa.

Penerjemah Metabolit didasarkan pada SMILES (untuk “sistem masukan baris masukan molekul yang disederhanakan”), metode notasi yang menggunakan teks biasa daripada diagram untuk mewakili molekul kimia.

“Yang kami lakukan sama persis dengan menerjemahkan bahasa, seperti Inggris ke Jerman,” kata Litsa.

Karena kurangnya data eksperimental, lab menggunakan pembelajaran transfer untuk mengembangkan Penerjemah Metabolit. Mereka pertama kali melatih model Transformer pada 900.000 reaksi kimia yang diketahui dan kemudian menyempurnakannya dengan data tentang transformasi metabolisme manusia.

Para peneliti membandingkan hasil Metabolite Translator dengan hasil dari beberapa teknik prediksi lainnya dengan menganalisis urutan SMILES yang diketahui dari 65 obat dan 179 enzim metabolisme. Meskipun Metabolite Translator dilatih pada kumpulan data umum yang tidak khusus untuk obat-obatan, ia bekerja sebaik metode berbasis aturan yang umum digunakan yang telah dikembangkan secara khusus untuk obat-obatan. Tapi itu juga mengidentifikasi enzim yang tidak biasa terlibat dalam metabolisme obat dan tidak ditemukan dengan metode yang ada.

“Kami memiliki sistem yang dapat memprediksi sama baiknya dengan sistem berbasis aturan, dan kami tidak menempatkan aturan apa pun dalam sistem kami yang memerlukan pekerjaan manual dan pengetahuan ahli,” kata Kavraki. “Dengan menggunakan metode berbasis pembelajaran mesin, kami melatih sistem untuk memahami metabolisme manusia tanpa perlu secara eksplisit mengkodekan pengetahuan ini dalam bentuk aturan. Pekerjaan ini tidak akan mungkin dilakukan dua tahun lalu.”

Kavraki adalah Profesor Ilmu Komputer Noah Harding, seorang profesor bioteknologi, teknik mesin dan teknik listrik dan komputer dan direktur Institut Ken Kennedy Rice. Rice University dan Cancer Prevention and Research Institute of Texas mendukung penelitian tersebut.

Untuk Informasi Lebih lanjut silahkan Kunjungi : Lagu Togel

Author Image
adminProzen