© Foto: National Cancer Institute \ Univ. of Pittsburg Cancer Institute

Russische und deutsche Forscher entdecken neue Krebs-Diagnostikmethoden

„Generative gegnerische Netzwerke (Generative Adversarial Networks, GAN) mit der Anwendung des bestärkenden Lernens (reinforcement learning) machen die Zukunft der Pharmakologie aus. In diesem Artikel haben wir die erste Anwendung solcher Netzwerke für die Entwicklung von neuen Anti-Tumor-Präparaten gezeigt“, sagte der Gründer der Firma Insilico Medicine und Mitarbeiter des Moskauer Instituts für Physik und Technologie, Alexander Schaworonkow.In den vergangenen Jahren machen russische und ausländische Wissenschaftler große Fortschritte bei der Entwicklung von Anti-Krebs-Medikamenten, wobei etliche neue Technologien und mathematische Methoden entstanden sind, die es gestatten, gleichzeitig Tausende verschiedene Molekülvarianten zu analysieren und nur diejenigen auszuwählen, die Krebszellen am meisten beeinflussen können. Dem russischen Chemiker Artjom Oganow zufolge zeigen diese Forschungen, dass viele übliche Arzneimittel, beispielsweise Vitamin C oder Aspirin, oder in Petersilie, Gurkenkraut und anderen Pflanzen enthaltene Elemente Krebszellen sehr effizient beeinträchtigen.

© Foto: National Cancer Institute \ Univ. of Chicago Comprehensive Cancer Center / Steve Seung-Young Lee

„Nano-Granaten“ gegen Krebs entwickelt

Der nächste Schritt zur Entwicklung solcher Systeme der „biochemischen Analyse“ könnte Alexander Schaworonkow zufolge die Entwicklung einer künstlichen Intelligenz auf Basis mehrstufiger Neuronennetze werden, woran in den vergangenen Jahren sehr intensiv gearbeitet wird. Allein im vorigen Jahr haben Wissenschaftler künstliche Intelligenzen geschaffen, die beim chinesischen Go-Spiel gegen den Menschen gewinnen, in Zeitungen nach Informationen über wichtige historische Ereignisse suchen, Szenarien für Computerspiele entwickeln, Fotos färben usw.Russische Wissenschaftler und ihre amerikanischen und europäischen Kollegen haben ein siebenschichtiges neuronales Netz entwickelt, das selbstständig neue Anti-Krebs-Moleküle kreieren und ihre Effizienz einschätzen kann.

Der größte Unterschied zu vielen anderen vielstufigen neuronalen Netzen ist, dass es aus zwei miteinander konkurrierenden Blöcken besteht, von denen einer, der „Generator“, neue Varianten vorschlägt, und der andere, der „Inspektor“, analysiert, ob der erste Teil des Netzes einen bzw. keinen Fehler gemacht hat und ob seine Informationen gewissen Kriterien entsprechen. Es ist schwieriger, einem solchen Netz nötige Schritte „beizubringen“ und ihre maximale Effizienz zu erreichen, aber dafür funktioniert es nach einem solchen „Unterricht“ viel zuverlässiger.

© Flickr/ humpath.com

Krebsforschung: China führt Genversuche an Menschen durch

Nachdem die Forscher dem Netzwerk „beigebracht“ haben, wie es die Funktionen der bereits bestehenden Arzneien gegen verschiedene Krebsformen korrekt zu erkennen hat, bemühen sie sich um die Suche nach neuen Anti-Tumor-Mitteln in einer Datenbank von 72 Millionen Molekülen, die der Mensch seit dem Bestehen der Zivilisation kreiert hat.Um das Netzwerk zu prüfen, griffen die Wissenschaftler auf eine Patentdatenbank von Anti-Krebs-Medikamenten zurück, die es teilweise nicht in der Bank von Daten gab, auf deren Basis der „Lehr“- bzw. „Lernprozess“ im Netz verlief. Diese Prüfung ergab, dass es für gleich 69 Moleküle, die das Programm von Schaworonkow & Co. entdeckt hatte, Patente gibt, was die Effizienz des Künstliche-Intelligenz-Systems bestätigte.

„Generative Netzwerke sind derzeit die Avantgarde der Neurowissenschaft. Es ist ganz offensichtlich, dass sie auch für viele andere Aufgaben und nicht nur für die Generierung von Bildern oder Musik verwendet werden können“, sagte der Chefprogrammierer der Mail.ru-Group, Artur Kadurin. „Wir versuchten, diese Vorgehensweise in der Bioinformatik einzusetzen, und haben hervorragende Ergebnisse erzielt.“