Una delle sfide nell'utilizzo dell'apprendimento automatico per lo sviluppo di farmaci è creare un processo che consenta al computer di estrarre le informazioni necessarie da un pool di punti dati. Gli scienziati della droga devono estrarre dati biologici e addestrare il software per capire come un tipico corpo umano interagirà con le combinazioni che si uniscono per formare un farmaco.

I ricercatori sulla scoperta di farmaci della Purdue University hanno creato un nuovo framework per l'estrazione di dati per l'addestramento di modelli di apprendimento automatico. Il quadro, chiamato limone, aiuta i ricercatori farmaceutici a estrarre meglio il Protein Data Base (PDB), una risorsa completa con oltre 140, 000 strutture biomolecolari e ne vengono rilasciate di nuove ogni settimana. L'opera è pubblicata nell'edizione del 15 ottobre di Bioinformatica .

"PDB è uno strumento essenziale per la comunità della scoperta di farmaci, " disse Gaurav Chopra, un assistente professore di chimica analitica e fisica nel Purdue's College of Science che lavora con altri ricercatori del Purdue Institute for Drug Discovery e ha guidato il team che ha creato Lemon. "Il problema è che può essere necessario un'enorme quantità di tempo per ordinare tutti i dati accumulati. L'apprendimento automatico può aiutare, ma hai ancora bisogno di una struttura solida da cui il computer possa analizzare rapidamente i dati per aiutare nella creazione di farmaci sicuri ed efficaci".

La piattaforma software Lemon è una libreria C++ 11 veloce con collegamenti Python che estrae il PDB in pochi minuti. Il caricamento di tutti i file mmCIF tradizionali nel PDB richiede circa 290 minuti, ma Lemon lo fa in circa sei minuti quando si applica un semplice flusso di lavoro su una macchina a 8 core. Lemon consente all'utente di scrivere funzioni personalizzate, includerlo come parte della loro suite software, e sviluppare funzioni personalizzate in modo standard per generare set di dati di benchmarking unici per l'intera comunità scientifica.

"Le strutture sperimentali depositate in PDB hanno portato a numerosi progressi per le comunità scientifiche e educative di biologia strutturale e computazionale che aiutano a far progredire lo sviluppo dei farmaci e in altre aree, " ha detto Jonathan Fine, un dottorato di ricerca studente in chimica che ha lavorato con Chopra per sviluppare la piattaforma. "Abbiamo creato Lemon come uno sportello unico per estrarre rapidamente l'intera banca dati ed estrarre le informazioni biologiche utili che sono fondamentali per lo sviluppo di farmaci".

Lemon ha preso il nome poiché è stato originariamente progettato per creare set di benchmarking per il software di progettazione di farmaci e identificare i limoni, interazioni biomolecolari che non possono essere modellate bene, nel PdB.

Il lavoro di sviluppo del software è l'ultimo progetto che coinvolge innovazioni sanitarie di Chopra e del suo team. Lemon è disponibile gratuitamente su GitHub at lemon" target="_blank"> github.com/chopralab/lemon . La documentazione dettagliata è disponibile su chopralab.github.io/lemon/latest/index.html .