Команда ученых США (PME) использовали технику ИИ под названием active learning, которая сочетает в себе как исследование, так и эксплуатацию для эффективного проведения экспериментального скрининга в молекулярном пространстве.

Этот подход опирается на ранее собранные данные и находит потенциальные высокоэффективные молекулы для экспериментального тестирования, а также указывает на области, которые были недостаточно изучены и могут содержать несколько ценных кандидатов.

Иммуномодуляторы работают, изменяя сигнальную активность врожденных иммунных путей в организме. В частности, путь NF-kB играет роль в воспалении и активации иммунитета, в то время как путь IRF важен для противовирусного ответа.

Ранее в этом году команда PME провела высокопроизводительный анализ 40 000 комбинаций молекул, чтобы определить, повлияла ли какая-либо из них на эти пути. Затем они протестировали лучшие кандидаты, обнаружив, что когда эти молекулы добавляли к адъювантам - ингредиентам, которые помогают усилить иммунный ответ в вакцинах, - молекулы усиливали реакцию антител и уменьшали воспаление.

Процесс был итеративным: модель указывала на потенциальных хороших кандидатов или области, в которых требовалось больше информации, и команда провела высокопроизводительный анализ этих молекул, а затем передала данные обратно в алгоритм активного обучения.

По материалам MedicalXPress