"A descoberta de medicamentos é um processo muito longo. Em cada estágio, você pode descobrir que seu medicamento não é bom o suficiente e você precisa procurar outro candidato, "explica Xiao-Li Li da A * STAR. Sua equipe ganhou o 'melhor artigo' na Conferência Internacional de Bioinformática de 2016 por uma nova abordagem para corrigir um problema intrínseco com métodos de aprendizado de máquina.

Simulação de computador, ou técnicas de descoberta de drogas 'in silico', pode melhorar a precisão e reduzir o prolongamento, caminho extremamente caro para levar um medicamento ao mercado - com média de mais de 12 anos e US $ 1,8 bilhões.

Muitas simulações de computador, entretanto, requerem primeiro 'treinamento' em conjuntos de dados de drogas conhecidas e seus alvos. Esses dados podem incluir informações adicionais sobre a estrutura 3-D, composição química, e outras propriedades moleculares. Baseando-se nas tendências deste banco de dados de dados conhecidos, a simulação pode então prever as interações de moléculas desconhecidas - levando a novos medicamentos e novas proteínas-alvo.

Contudo, de todos os medicamentos e alvos no banco de dados, apenas certas combinações irão interagir. Os pares potenciais são superados de longe pelos pares que não interagem, chamados de 'desequilíbrio entre classes'. Mais desequilíbrio está presente na forma de subtipos diferentes e desiguais de interação, apelidado de 'desequilíbrio dentro da classe'.

"Todos os modelos computacionais projetados para otimizar a precisão serão tendenciosos e tenderão a classificar os pares desconhecidos em classes majoritárias ou sem interação, "diz Li." As classes majoritárias são melhor representadas nos dados do que as classes de interação minoritária - isso distorce esses modelos e produz erros. O desequilíbrio de dados é um problema desafiador. "

A equipe de Li no A * STAR Institute for Infocomm Research, procurou superar isso desenvolvendo um algoritmo 'ciente do desequilíbrio' que previu com mais precisão as interações entre o medicamento e o alvo com base em um banco de dados de 12, 600 interações conhecidas e cerca de 18 milhões de pares não interagentes conhecidos. O algoritmo foi projetado para reconhecer melhor os grupos de interação sub-representados e aprimorar os dados dentro deles.

Ao melhorar a capacidade do modelo de computador de se concentrar nos dados mais úteis (as interações), a equipe criou um sistema que superou as técnicas de modelagem existentes, prevendo novos, interações medicamentosas-alvo desconhecidas com alta precisão.

O futuro do aprendizado de máquina depende da inteligência artificial e do aprendizado avançado, como o 'aprendizado profundo'. No entanto, como Li acrescenta:"os dados são essenciais. Para aprimorar ainda mais nossa capacidade de previsão, a primeira coisa que podemos fazer é coletar dados mais relevantes sobre drogas e alvos. "