Извините, вы уже голосовали за эту статью!
0       12345 0 голосов
Ø
Жалоба:
 
Есть причина пожаловаться?

Статья добавлена 12 ноября 2017, в воскресенье, в 00:51. С того момента...

134
просмотра
0 добавлений в избранное
0 комментариев

Представлена в разделах:



Top 5 àвтора:

Блокчейн, ИскИн и Биомедицина.

Автор: Николай
Тема:

Сообщение:
 
Написать автору
 

Мы, ученые, которые посвятили свои жизни решению проблемы онкологических заболеваний, много знаем о разработке и внедрении новых противораковых лекарственных препаратов.

Мы, ученые, посвятившие свои жизни решению проблемы онкологических заболеваний, много знаем о разработке и внедрении новых противораковых лекарственных препаратов. Откроем неприятный секрет: несмотря на существенный прогресс, достигнутый за последние десятилетия, поиск лекарств является трудоемким и часто не особо эффективным процессом. Двадцатилетняя тенденция к снижению эффективности новых препаратов в клинических испытаниях начала опять улучшаться только недавно. Тем не менее, сегодня только один из десяти лекарственных препаратов, которые выходят в клинические испытания фазы I, в конечном итоге попадут к пациентам. Причина этого состоит в том, что будущие лекарства не имеют ожидаемой эффективности, или их нежелательные побочные эффекты настолько сильны, что перевешивают положительный эффект на болезнь. Одна точка зрения, которую разделяют многие ученые в этой области, заключается в том, что мы выбираем неправильные мишени для поиска соответствующих молекул-ингибиторов. По словам ведущего биоинформатика из Медицинского Исследовательского Совета Великобритании доктора Алексея Антонова проблема заключается в том, что в молекулярно-генетическом составе нашего организма имеется ограниченное количество «лекарственно-доступных» мишеней, и к настоящему времени мы изучили уже более 80% наиболее перспективных из них. Другая, более сложная, но интересная точка зрения заключается в том, что с определением фармакологических мишеней у нас все в порядке, но мы не принимаем в расчет реакцию реальных пациентов, которые должны извлечь пользу из нового лечения. Все они имеют собственную историю болезни, основанную на их генетике, метаболизме, физической активности и т. д. Это означает, что один и тот же препарат может нормально работать для одной когорты пациентов и при этом может оказаться бесполезным или даже вредным для другой группы пациентов. «Учитывая огромные суммы денег, вкладываемых крупными фармкомпаниями в этот бизнес, повышение эффективности даже на 5 или 10% будет иметь большое значение!» - говорит профессор Джери Мелино, заведующий отделом экспериментальной медицины в Римском университете, Италия, и советник Globex Sci, LLP (биотехнологическая компания по разработке алгоритмов рационального использования лекарств).

Облачные системы могут передавать, хранить и комбинировать клинические, исследовательские, социальные и медицинские данные. Компании привлекаются к этим услугам, потому что они позволяют им идти в ногу с постоянно растущим объемом информации, не вкладывая средства в развитие своей инфраструктуры информационных технологий.
Одной из главных достопримечательностей в облаке является то, что она позволяет научно-исследовательским институтам и предприятиям нанимать специалистов по всему миру, не требуя, чтобы они физически присутствовали в офисе или использовали конкретный закрытый вычислительный центр. Тем не менее, сектор здравоохранения медленно принимает облачные услуги, главным образом из-за законов, защищающих обнародовать индивидуальную медицинскую информацию. В США данные пациентов подпадают под действие Закона о переносимости и подотчетности медицинского страхования (HIPAA) 1996 года и в таких юрисдикциях, как Европа и Япония. Обычные службы облачных вычислений, такие как Dropbox, не предлагают адекватного уровня управления безопасностью и доступа, требуемых этими международными органами для обработки экспериментальных и клинических данных человека. Служба облачных вычислений, совместимая с HIPAA, должна идентифицировать любого сотрудника, который обращается к системе и точно фиксирует, как такой пользователь получает доступ или изменяет данные о здоровье пациента в облаке.
Из-за этих юридических ограничений биомедицинское сообщество долгое время стремилось создать альтернативную платформу, которая обеспечивала бы не только надежность и прозрачность обработки данных, но и высокий уровень безопасности для соблюдения этих строгих условий закона. Наконец, такая платформа, названная blockchain, стала недавно доступной и в настоящее время активно внедряется в мир биомедицины.

По иронии судьбы, платформа блокчейна родилась из сумеречной зоны криптовалюты. Определение blockchain, которое дается Википедией, обозначает его как постоянно растущий список записей, называемых блоками, которые связаны и защищены с помощью криптографии. Каждый блок обычно содержит указатель хеширования как ссылку на предыдущий блок, метку времени и данные транзакции. По своей конструкции блокировки по своей природе устойчивы к модификации данных.

Первый распределенный блокчейн был концептуализирован в 2008 году анонимной группой Satoshi Nakamoto и реализован в 2009 году как основной компонент биткойна, где он служит публичным регистром для всех транзакций. Изобретение блокчейна для биткойна сделало его первой цифровой валютой для решения проблемы двойных расходов без необходимости арбитражного органа или центрального сервера. Дизайн биткойна был вдохновением для других приложений. К 2014 году «Blockchain 2.0» был термином, относящимся к новым приложениям распределенной базы данных блоков.

Влиятельный журнал «Экономист» описал одну реализацию программируемого блокчейна второго поколения как «язык программирования, который позволяет пользователям писать более сложные интеллектуальные контракты, тем самым создавая счета-фактуры, которые оплачивают себя при поступлении или передаче сертификатов, которые автоматически отправляют их владельцам дивиденды, если прибыли достигают определенного уровня». Важно отметить, что технологии Blockchain 2.0 выходят за рамки транзакций и обеспечивают защиту конфиденциальности, что позволяет хранить информацию пользователя в соответствии с постоянным цифровым идентификатором. Сохраняя данные в своей сети, блокчейн устраняет риски, связанные с хранением данных централизованно. Децентрализованный блокчейн может использовать ad-hoc-передачу сообщений и распределять по сетям. В его сети отсутствуют централизованные точки уязвимости, которые могут использовать компьютерные взломщики; Аналогично, у него нет центральной точки отказа. Методы безопасности Blockchain включают использование криптографии с открытым ключом. Закрытый ключ - это пароль, который дает владельцу доступ к их цифровым активам или иным образом взаимодействует с различными возможностями, которые теперь поддерживают блокировки. Данные, хранящиеся на блочной цепи, в целом считаются вечными.
Дэвид Хаусслер (David Haussler), директор Института геномики UC-Санта-Крус (США) и сопредседатель рабочей группы данных GA4GH, недавно объявил о планах GA4GH использовать технологию на основе блокчейн для совместного использования данных геномики по соматическим вариантам рака на международном уровне. Когда совместные объекты используют блокчейн, каждый независимый компьютерный узел проверяет точность копий, модификаций и транзакций данных. Таким образом, доверие помещается в алгоритмы blockchain с использованием математики, а не по произволу третьей стороны. Кроме того, децентрализованный характер блокировки ведет к снижению издержек, что делает его и данные, которые он предоставляет более доступным для сторон, ограниченных финансами.

Предполагается, что алгоритм блокчейна для совместного использования и хранения данных в совокпности с гигантскими возможностями искусственного интеллекта (AI или искин), потенциально может произвести революцию в этой области. В течение последних пяти лет были запущены десятки стартапов, основанных на искусственном интеллекте, нейронных сетях и глубоком обучении, посвященные ускорению открытия лекарств. Insilico Medicine of Baltimore, представила ALS.AI, персонализированную платформу для разработки лекарств и разработки биомаркеров, предназначенную для амиотрофического бокового склероза. Эта компания специализируется на генеративных антагонистических сетях, типа алгоритма глубокого обучения, который сравнивает две нейронные сети друг против друга; одна нейронная сеть пытается разработать модель и продолжает ее уточнять до такой степени, что вторая сеть в конце концов уже не может отличить модель от того, что на самом деле моделировалось. Компания использует этот инструмент для анализа транскриптомных и протеомных баз данных клеточных линий человека, инкубированных с различными молекулами, потенциальными лекарственными препаратами, для прогнозирования оптимальных терапевтических свойств молекул. «Мы в основном рассматриваем изменения генной экспрессии между нормальной тканью и тканью, пораженной болезнью», - говорит Алекс Жаворонков, генеральный директор Insilico Medicine. «И тогда мы смотрим, какие молекулы могут отменить эту сигнатуру экспрессии». AI также имеет потенциал ускорить фазу доклинических исследований, применяя алгоритмы к фенотипическим и качественным анализам, которые в противном случае, могут занять недели, если не месяцы.
Однако для того, чтобы искусственный интеллект развивался как инструмент обнаружения лекарственных препаратов, ему нужны огромные базы данных для обучения, а доступ к таким данным остается серьезной проблемой. Крупные фармацевтические компании уже владеют большими доклиническими базами данных, относящимися к 1980-м годам, которые потенциально могут быть переданы большому сообществу исследователей в области открытия лекарств. В частности, многие компании уже участвуют в различных совместных проектах по совместному использованию и перепрофилированию. Например, GlaxoSmithKline представляет анализ генетических данных и данные по метаболизму лекарственных средств, а также данные по фармакокинетике в Программе «Ускоряющая терапия для медикаментов (ATOM)», которая была запущена в январе 2016 года, в которой сочетаются вычислительные и экспериментальные подходы, разработанные компаниями Brentford, GlaxoSmithKline, Национальной лабораторией Лоуренса Ливермора в Ливерморе, Калифорния, и Национальным институтом рака США.
Поэтому «учитывая скорость внедрения новых технологий в современной науке, в ближайшем будущем можно предсказать большой успех в этом новом направлении, основанном на союзе между платформой блокчейна по обмену и распространению данных, машинного обучения и биоинформатики", - говорит доктор Олег Демидов, доктор медицинских наук, консультант компании Globex Sci,  а также ведущий научный сотрудник исследовательского центра INCERM, Дижон, Франция.

Одной из компаний, целью которой является создание экосистемы для хранения и использования больших баз данных на основе научных рукописей, общедоступных данных по транскриптомике, метаболомике, экспериментальных и клинических данных человека, опубликованных на блокчейне, а также результатов скрининговых тестов для ингибиторов малых молекул, доступный в хранилище PubChem, является стартап, Globex Sci. Используя алгоритмы глубокого обучения и искусственного интеллекта, компания планирует обеспечить точное прогнозирование реакции отдельного пациента на конкретные лекарства, тем самым повышая их эффективность и минимизируя нежелательные побочные эффекты.

 
 
 
 

Ответов пока нет.

Комментàрии 


Комментариев к этой статье ещё нет.

Пожалуйста, подождите!
Комментарий: