Алгоритм ML-модели, прогнозирующей доклиническую эффективность соединений на основе существующих баз данных, в качестве альтернативного метода испытания на животных

Abstract

Проект посвящен созданию алгоритма обучения Machine Learning (ML)-модели искусственного интеллекта (ИИ) с целью ускорения и облегчения проведения доклинических исследований (ДКИ). В рамках работы был выполнен анализ публикаций и исследований существующих алгоритмов и методов оценки эффективности и безопасности in silico, а также сопутствующих законодательных актов. Обучение в соответствии с алгоритмом и дальнейшее внедрение такой ML-модели, как альтернативного метода в ДКИ, поможет прогнозировать свойства и активность молекул, а также при необходимости, оптимизировать молекулы-кандидаты, сократить оличество спытаний на животных и ускорить анализ данных экспериментов. Наш алгоритм в перспективе может стать фундаментом для инновационных методов разработки лекарств для стран ЕАЭС.

The project is dedicated to the development of a training algorithm for a Machine Learning (ML) model of Artificial Intelligence (AI), aimed at accelerating and facilitating pre-clinical research. The work involved an analysis of publications and studies on existing in silico algorithms and methods for assessing efficacy and safety, as well as relevant legislative acts. Training according to this algorithm and the subsequent implementation of such an ML-model as an alternative method in pre-clinical studies will help predict molecular properties and activity, optimize candidate molecules if necessary, reduce the number of animal trials, and speed up the analysis of experimental data. Our algorithm has the potential to become the foundation for innovative drug development methods in the EAEU countries.