Northwestern Üniversitesi'nden araştırmacılar, immünoterapi nano-ilaçlarının tasarımına yardımcı olması için makine öğrenmesinden yararlandı. Bunu yaparken Küresel Nükleik Asit (SNA) adı verilen 800 eşsiz immünostimülatör nanopartikülü sentezlemek için yüksek verimli bir yöntem kullanıldı.

SNA'ların mucidi Northwestern’lı Profesör Chad A. Mirkin, “Küresel nükleik asitler, glioblastoma (beyin kanserinin en yaygın ve ölümcül şekli) ve sedef hastalığı gibi hastalıkları tedavi etmek için insanlı beş klinik denemede kullanılan heyecan verici yeni bir ilaç sınıfını temsil ediyor.” dedi.

Ekip partikülleri, partikül büyüklüğü, kompozisyonu ve taşınan spesifik immün uyarıcı dahil 11 farklı tasarım parametresinde değişiklik yaparak sentezledi. Daha sonra partikülleri bağışıklık hücrelerini aktive etme yetenekleri açısından taradılar. Ardından XGBoost makine öğrenme algoritmasını bu sonuçlarla beslediler. Algoritma, hangi faktörlerin daha önemli olduğunu ve aralarında etkileşim olup olmadığını belirlemek için kullanıldı. Birçok özelliğe sahip oldukları göz önüne alındığında, SNA'ları optimize etmek zor olabiliyor; bu nedenle bu tür bir sorun makine öğrenmesi analizi için çok uygun oluyor.

Makine öğrenmesi ile birlikte kütüphane yaklaşımının kullanılması daha iyi olan tasarımları belirledi ve modelin bunları düşük hatayla tahmin edebileceğini gösterdi. Araştırmacılar ayrıca, kütüphaneleri tarafından ele geçirilen yapı-işlev ilişkileri spektrumunun, geliştirdikleri orijinal kütüphaneden daha küçük bir grupla tanımlanabileceğini gösterdi. Böylece gelecekte nano-ilaçların daha hızlı görüntülenmesi sağlanabilecek. Çalışma, biyo-mühendislik sürecini desteklemek için makine öğrenmesinin potansiyelini gözler önüne seriyor.

Kaynak: www.medgadget.com