در حوزه کشف دارو، با استفاده از حیطه نشانه‌گذاری برتر و هوش مصنوعی مولد، تعداد محتملی از کاندیدهای دارویی با همکاری بالا به وجود آمده است. با این حال، چالش اصلی در شناسایی مولکول‌هایی با خواص دارویی ایده‌آل وجود دارد. این محدودیتی است که آدمت-هوش مصنوعی به ما کمک می‌کند.
آدمت-هوش مصنوعی یک پلتفرم پیشرفته یادگیری ماشین است که توسط محققان دانشگاه استنفورد و گرینستون بایوساینس ساخته شده است. این پلتفرم به منظور پیش‌بینی قابلیت‌های آدمت برای کتابخانه‌های کشیمیایی گسترده به سرعت و دقت طراحی شده است.
این پلتفرم از یک شبکه عصبی گراف به نام Chemprop-RDKit استفاده می‌کند که شامل 200 ویژگی فیزیکوشیمیایی مولکولی محاسبه شده توسط RDKit می‌شود. این ترکیب منحصر به فرد به آدمت-هوش مصنوعی امکان پیش‌بینی یک دامنه گسترده از ویژگی‌های آدمت را با دقت استثنایی می‌دهد.
آدمت-هوش مصنوعی برروی 41 مجموعه داده از Therapeutics Data Commons آموزش دیده است و در مقایسه با ابزارهای پیش‌بینی دیگر در ترم‌های سرعت و دقت بهتر عمل کرده است. همچنین در این مجموعه داده‌ها، کارایی خود را در وظایف رگرسیون و طبقه بندی نیز اثبات کرده است.
یکی از ویژگی‌های قابل توجه آدمت-هوش مصنوعی سرعت استثنایی آن است. نسخه سرور وب این پلتفرم 45% سریع‌تر از سرور وب آدمت سریع‌تر بعدی است. نسخه محلی آدمت-هوش مصنوعی قابلیت پیش‌بینی به بالا را با پردازش یک میلیون مولکول در فقط 3.1 ساعت به ما می‌دهد.
به عبارتی دیگر، آدمت-هوش مصنوعی با ارائه یک پلتفرم سریع، دقیق و قابل تطبیق برای تحلیل کتابخانه‌های شیمیایی بزرگ، پیشرفت چشمگیری در کشف داروها به ما گفته است. دقت آن در پیش‌بینی ویژگی‌های آدمت و توانایی ارائه پیش‌بینی‌های همبسته بر اساس مجموعه‌ای از داروهای مجوزدار آن را به یک ابزار بی‌قیمت برای محققان و عملگران تبدیل می‌کند. با سرعت، دقت و رابط‌های کاربری کاربرپسند، آدمت-هوش مصنوعی با تقاضای ابزارهای غربالگری مؤثر در مواجهه با پیچیدگی روزافزون در کمپین‌های کشف دارو و فضاهای شیمیایی گسترده تطبیق می‌کند.
برای کسب اطلاعات بیشتر درباره آدمت-هوش مصنوعی، می‌توانید مقاله تحقیقاتی، پروژه و گیت‌هاب را بررسی کنید. از طریق دنبال کردن ما در توییتر، با آخرین اخبار و تحولات آگاه شوید.
The source of the article is from the blog girabetim.com.br