İlaç keşfi alanında, yüksek çıkışlı docking ve üretken yapay zeka sayesinde potansiyel ilaç adaylarında önemli bir artış yaşanmıştır. Ancak, ideal ilaç özelliklerine sahip molekülleri tanımlamak büyük bir zorluk oluşturur. İşte burada ADMET-AI devreye girer.
ADMET-AI, Stanford Üniversitesi ve Greenstone Biosciences araştırmacıları tarafından geliştirilen gelişmiş bir makine öğrenimi platformudur. Kapsamlı kimyasal kütüphaneleri için hızlı ve doğru bir şekilde ADMET özelliklerini tahmin etmek üzere tasarlanmıştır.
Platform, RDKit tarafından hesaplanan 200 fizikokimyasal moleküler özellik içeren Chemprop-RDKit adlı bir grafik yapılı sinir ağından yararlanır. Bu benzersiz kombinasyon, ADMET-AI’nın olağanüstü bir doğrulukla geniş bir ADMET özelliği yelpazesini tahmin etmesini sağlar.
ADMET-AI, Terapötik Veri Merkezi’nden (TDC) 41 veri kümesinde eğitilerek, hız ve doğruluk açısından diğer tahmin araçlarının önüne geçmiştir. Ayrıca, bu veri kümelerinde regresyon ve sınıflandırma görevlerinde etkinliğini kanıtlamıştır.
ADMET-AI’nın dikkate değer özelliklerinden biri olağanüstü hızıdır. Platformun web sunucusu sürümü, diğer en hızlı ADMET web sunucusundan% 45 daha hızlıdır. ADMET-AI’nın yerel sürümü yüksek çıkışlı tahmin yetenekleri sunarak bir milyon molekülü sadece 3.1 saatte işleyebilir.
Sonuç olarak, ADMET-AI, büyük kimyasal kütüphanelerini analiz etmek için hızlı, kesin ve uyarlanabilir bir platform sunarak ilaç keşfinde büyük bir sıçrama temsil eder. ADMET özelliklerini tahmin etme doğruluğu ve lisanslı ilaçlardan oluşan bir referans kümesine dayalı bağlamsal tahminler sunabilme yeteneği, araştırmacılar ve uygulayıcılar için çok değerli bir araç yapar. Hızı, doğruluğu ve kullanıcı dostu arayüzleriyle ADMET-AI, ilaç keşfi kampanyalarında artan karmaşıklık ve genişleyen kimyasal alanlara karşı etkili elemeler için talebi karşılar.
ADMET-AI hakkında daha fazla bilgi için araştırma makalesini, projeyi ve Github’ı inceleyebilirsiniz. En son haberleri ve gelişmeleri takip ederek güncel kalabilirsiniz.
The source of the article is from the blog macholevante.com