Uno de los desafíos en el uso del aprendizaje automático para el desarrollo de fármacos es crear un proceso para que la computadora extraiga la información necesaria de un conjunto de puntos de datos. Los científicos farmacéuticos deben extraer datos biológicos y entrenar el software para comprender cómo un cuerpo humano típico interactuará con las combinaciones que se unen para formar un medicamento.

Los investigadores de descubrimiento de fármacos de la Universidad de Purdue han creado un nuevo marco para la extracción de datos para entrenar modelos de aprendizaje automático. El marco, llamado Lemon, ayuda a los investigadores de medicamentos a extraer mejor la Base de datos de proteínas (PDB), un recurso integral con más de 140, 000 estructuras biomoleculares y con nuevas que se lanzan cada semana. El trabajo se publica en la edición del 15 de octubre de Bioinformática .

"PDB es una herramienta esencial para la comunidad de descubrimiento de fármacos, "dijo Gaurav Chopra, profesor asistente de química analítica y física en la Facultad de Ciencias de Purdue que trabaja con otros investigadores en el Instituto Purdue para el Descubrimiento de Drogas y dirigió el equipo que creó Lemon. "El problema es que puede llevar una enorme cantidad de tiempo clasificar todos los datos acumulados. El aprendizaje automático puede ayudar, pero aún necesita un marco sólido desde el cual la computadora pueda analizar rápidamente los datos para ayudar en la creación de medicamentos seguros y efectivos ".

La plataforma de software Lemon es una biblioteca rápida de C ++ 11 con enlaces de Python que extrae el PDB en minutos. La carga de todos los archivos mmCIF tradicionales en la PDB tarda unos 290 minutos, pero Lemon hace esto en unos seis minutos cuando aplica un flujo de trabajo simple en una máquina de 8 núcleos. Lemon permite al usuario escribir funciones personalizadas, incluirlo como parte de su paquete de software, y desarrollar funciones personalizadas de manera estándar para generar conjuntos de datos de evaluación comparativa únicos para toda la comunidad científica.

"Las estructuras experimentales depositadas en PDB han dado como resultado varios avances para las comunidades científicas y educativas de biología estructural y computacional que ayudan a promover el desarrollo de fármacos y otras áreas, "dijo Jonathan Fine, un doctorado estudiante de química que trabajó con Chopra para desarrollar la plataforma. "Creamos Lemon como una ventanilla única para extraer rápidamente todo el banco de datos y extraer la información biológica útil que es clave para el desarrollo de medicamentos".

Lemon obtuvo su nombre porque fue diseñado originalmente para crear conjuntos de evaluación comparativa para software de diseño de medicamentos e identificar los limones, interacciones biomoleculares que no se pueden modelar bien, en el PDB.

El trabajo de desarrollo de software es el último proyecto que involucra innovaciones en salud de Chopra y su equipo. Lemon está disponible gratuitamente en GitHub en lemon "target =" _ blank "> github.com/chopralab/lemon. La documentación detallada está disponible en chopralab.github.io/lemon/latest/index.html.