شبکهی عصبی گرافی و مقاومت آنتیبیوتیک..
.
آخرین کلاس ساختاری آنتیبیوتیکها ۳۸ سال پیش کشف شده و در این سالها هیچ خانواده آنتیبیوتیکی که از ترکیب مولکولی متفاوت باشه کشف نشده!
باکتری به اسم مرسا MRSA سالی ۱۰ هزار قربانی میگیره در آمریکا که مقاومت آنتیبیوتیکی خاصی از خودش نشون میده.
اینا رو گفتم که چی؟!
بعد از LLM و Latent Diffusion که با تولیدات مکتوب و مصور از آزمایشگاه و آکادمی وارد زندگی واقعی ما شدند الان نوبت شبکههای عصبی گرافی تفسیرپذیره که قراره با تولیدات داروئی زندگی ما رو بهبود بدن!
اگر با تاریخچه شکلگیری شبکههای عصبی گرافی آشنایی داشته باشید (رجوع کنید به مقاله
MPNN) یکی از جدیترین محورهای توسعه شبکههای عصبی گرافی پردازش و یادگیری خواص مولکولهای شیمیایی از روی ساختار مولکولی آنهاست، این تلاشها تقریبا از ۲۰۱۵ شروع شده و الان که روزهای آخر ۲۰۲۳ هستی با این
مقاله نیچر به کاربرد رسیده!
محققانی از MIT، هاروارد و کامبریج و ... اومدن بیش از سی هزار مولکول با ساختارهای دور از هم رو که در آزمایشگاه کشت کردند و خواص آنتیبیوتیکیشون برای مقابله با باکتریهای استافیلوکوک ائورس رو اندازگیری کردن و از دادههای جمعآوری شده یک دیتاست ساختند و یک شبکه عصبی گرافی رو برای پیشبینی خواص سمیبودن و آنتیبیوتیکی بودن اون مولکولها آموزش دادند، بعدش با همین مدل خواص ۱۲ میلیون تا مولکول رو پیشبینی کردند و چند تا فیلتر روی اون خواص گذاشتند مثل امتیازی سمی بودن پائین، امتیاز فعالیت آنتیبیوتیکی بالا و یک سری خواص شیمیایی دیگر تا از ۱۲ میلیون به حدود ۳ هزارتا مولکول رسیدند.
برای اینکه ببینند چه زیر ساختار مولکولی خاصیت آنتیبیوتیکی به مولکول میده از تکنیکهایی استفاده میکنند که منطق rationale مدل در شناسایی مولکول آنتیبیوتیکی رو استخراج میکنه. تکنیک خیلی جالبیه میان یکی یکی پیوند و اتمهای مولکول رو حذف میکنند هر بار میدن به مدل ببینند آیا هنوز خواص آنتیبیوتیکی داره یا نه؟ تا اینکه به یک زیر ساختار مشترک میرسن و اون رو به عنوان زیرساختار آنتیبیوتیکی شناسایی میکنند.
این آزمایش هم بصورت درونتنی in vivo روی دو موش آزمایش شده و تونسته باکتری مرسا که مقاومت آنتیبیوتیکی داشته را با سمیت(سمیبودن) کمی از بین ببره.
شبکههای عصبی گرافی بخاطر توانایی در یادگیری ساختارهای خیلی پیچیده برای یادگیری دادههای طبیعت مثل تعامل پروتئینی و مدلسازی برخورد ذرات بنیادین و شبکه گراف مغز و ... خیلی موفق هستند.
به نظرم سه مسیر اصلی یادگیری ماشین در آینده نزدیک به این صورت خواهد بود:
شبکههای عصبی گرافی برای AI for science
یادگیری تقویتی برای Self-improving AI
مدلهای زبانی بزرگ(LLM) برای Language Understanding
این حوزهی
AI4Science خیلی کم دیده شده underrated است چهار سالی هست Neurips یکی از ورکشاپهاش رو گذاشته روی همین موضوع.
https://t.me/tweetdev