Создание новых медицинских препаратов требует много времени и значительных финансовых вложений: от появления идеи до коммерческой реализации проходит 10–15 лет, и многие кандидаты не доходят до финальной стадии. Ускорить этот процесс и снизить количество отбраковок может оптимизация вычислительных этапов, направленная на выявление мишеней и комбинаций для восстановления клеток из «больного» состояния.
Исследователи из Гарвардской медицинской школы разработали модель PDGrapher, которая использует графовые нейросети для «обратного поиска». Вместо предсказания реакции клетки на конкретное средство, алгоритм анализирует больные и здоровые клетки, чтобы определить вмешательства, способные восстановить здоровье.
Тестирование PDGrapher показало его высокую эффективность: модель обрабатывает данные на 25 раз быстрее и более точно определяет терапевтические мишени для 11 видов рака. Ученые намерены провести доклинические и клинические испытания, чтобы оценить практическую ценность модели для лечения пациентов. Код PDGrapher уже доступен на GitHub под MIT-лицензией, позволяя использовать его как инструмент для ускорения научных исследований.