Исследователи из Гарвардской медицинской школы представили новый инструмент для ускорения разработки лекарств — модель PDGrapher. Это графовая нейросеть, которая может существенно сократить время на поиск новых препаратов.

Разработка лекарств — долгий и дорогой процесс, который обычно занимает от 10 до 15 лет. Значительная часть потенциальных препаратов отсеивается еще на ранних этапах. PDGrapher призван ускорить вычислительные стадии — поиск мишеней и комбинаций, способных вернуть клетки из больного состояния в здоровое.

В отличие от других подходов, PDGrapher использует метод «обратного поиска». Вместо того чтобы предсказывать реакцию клетки на конкретное лекарство, алгоритм сравнивает больную и здоровую клетку и ищет вмешательства, которые превратят первую во вторую.

Первые тесты показали, что PDGrapher работает точнее и быстрее аналогов. На 19 наборах данных, охватывающих 11 видов рака, модель выдвигала правильные терапевтические мишени выше в рейтингах и выполняла вычисления до 25 раз быстрее конкурентов.

Исследователи специально исключили некоторые известные решения из обучающих данных, и алгоритм нашел их заново. Это показывает, что система не просто запомнила датасет, а способна находить новые решения на его основе.

Пока PDGrapher прошел только вычислительные испытания. Результаты тестов на открытых наборах данных опубликованы в журнале Nature Biomedical Engineering. В дальнейшем планируются доклинические и клинические эксперименты, которые покажут эффективность модели для лечения конкретных пациентов.

Уже сейчас PDGrapher может применяться как исследовательский инструмент. Он поможет быстрее отсеивать неработающие гипотезы и снизит стоимость лабораторных экспериментов. Для этих целей код алгоритма опубликован в открытом доступе под MIT-лицензией на платформе GitHub.