该计算机程序可以找到新的化学组合来杀死致病酵母

明天的药物可能是由计算机发现的。12月23日在Cell Systems上发表的一项概念验证研究表明，通过正确输入有关传染性酵母的数据，机器算法可以学习识别可以作为抗真菌剂一起使用的现有和以前未知化合物的组合。虽然该方法需要完善，但它是一种对抗传染病的新方法，有可能快速识别可能有助于克服耐药性的药物组合。

我们还不知道新发现的化学组合在治疗动物或人类酵母感染方面的效果如何，但研究小组确实选择了18种潜在的组合来治疗实验室培养皿中的人类致病酵母，它们的高成功率确认了这些组合有可能开发药物。值得注意的是，当应用于人细胞系时，发现一些化合物组合是无害的。

“我们的研究表明使用相对简单(但仍然极其复杂)的模型如酵母来更好地了解化学品和药物如何与生物系统相互作用的能力，”蒙特利尔大学系统生物学教授，资深作者Mike Tyers说。“这些概念肯定可以转移到人类健康中更复杂的问题上。”

教学机器

现在，许多研究领域都使用机器学习来查找复杂数据集中的模式; 例如，在网络上或机器人控制系统中的图像的模式识别中。

“这种趋势最近在生物科学中爆发，越来越多的机器学习被用来帮助研究人员理解巨大的基因组规模数据集，”爱丁堡大学系统开发人员共同第一作者Jan Wildenhain说。“仅仅通过人类的直觉，生物数据的数量就变得过于庞大和复杂。”

研究人员首次尝试使用啤酒酵母(S. cerevisiae)进行机器学习算法，因为它是唯一一种已将其遗传网络绘制出来的酵母。因此，尽管耐药细菌是目前普遍存在的公共健康问题，但模型酵母系统为此类研究提供了更大且更具信息量的数据集。

研究人员首先输入源自几十年酵母研究的遗传信息(即一组选定的195种遗传上不同的菌株)和这些菌株在化学筛选中的遗传反应(使用多种4,915种化合物)，以便计算机可以构建化学基因相互作用的模型。然而，这不是足够的信息，并且初始算法具有较弱的预测能力。

“这是一个巨大的初步失望，让我们回到了绘图板，”共同第一作者Michaela Spitzer说，他现在是麦克马斯特大学的博士后研究员。“我们知道化学结构和细胞的遗传网络必须与我们在实验中检测到的化学协同作用有关，但是如何从数十万个数据点中去除这些关系并不明显。我们最终不得不多次修改我们的模型在培训数据集上，然后在模型从未遇到的不同化合物库上测试模型。“

ChemGRID资源

算法在一组1,221种独特化合物上进行训练，这些化合物用于创建和实验测试8,128种实际组合。所有研究数据均可在名为ChemGRID的数据库中进行无限制下载和探索。

“我们希望其他团体能够测试我们的模型，因为我们一定会继续这样做，也许有人会想出更好的模型，”斯皮策和威尔登海因说。“将我们的机器学习方法应用于完全不同的数据集以进行协同预测会很棒。”

除了与其他实验室合作外，该小组还计划使用CRISPR / Cas9基因编辑技术，在人类细胞中实施类似的机器学习方法，用于化学基因相互作用。通过收集这些数据，他们可能会创建一种算法来预测区分健康细胞和不健康细胞(例如癌细胞)的化学组合。

郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如有侵权行为，请第一时间联系我们修改或删除，多谢。