Une approche « transformationnelle » de l’apprentissage automatique pourrait accélérer la recherche de nouveaux traitements contre les maladies

apprentissage automatique

Crédit : Pixabay/CC0 domaine public

Les chercheurs ont développé une nouvelle approche de l’apprentissage automatique qui « apprend à apprendre » et surpasse les méthodes d’apprentissage automatique actuelles pour la conception de médicaments, ce qui pourrait à son tour accélérer la recherche de nouveaux traitements contre les maladies.

La méthode, appelée apprentissage machine transformationnel (TML), a été développée par une équipe du Royaume-Uni, de la Suède, de l’Inde et des Pays-Bas. Il apprend de plusieurs problèmes et améliore les performances pendant qu’il apprend.

Le TML pourrait accélérer l’identification et la production de nouveaux médicaments en améliorant les systèmes d’apprentissage automatique qui sont utilisés pour les identifier. Les résultats sont rapportés dans le Actes de l’Académie nationale des sciences.

La plupart des types d’apprentissage automatique (ML) utilisent des exemples étiquetés, et ces exemples sont presque toujours représentés dans l’ordinateur à l’aide de caractéristiques intrinsèques, telles que la couleur ou la forme d’un objet. L’ordinateur forme alors des règles générales qui relient les caractéristiques aux étiquettes.

“C’est un peu comme apprendre à un enfant à identifier différents animaux : c’est un lapin, c’est un âne et ainsi de suite”, a déclaré le professeur Ross King du département de génie chimique et de biotechnologie de Cambridge, qui a dirigé la recherche. « Si vous enseignez à un algorithme d’apprentissage automatique à quoi ressemble un lapin, il sera capable de dire si un animal est ou n’est pas un lapin. C’est ainsi que fonctionne la plupart des apprentissages automatiques : il traite les problèmes un par un. “

Cependant, ce n’est pas ainsi que fonctionne l’apprentissage humain : au lieu de traiter un seul problème à la fois, nous nous améliorons dans l’apprentissage parce que nous avons appris des choses dans le passé.

“Pour développer le TML, nous avons appliqué cette approche à l’apprentissage automatique et développé un système qui apprend des informations à partir des problèmes précédents qu’il a rencontrés afin de mieux apprendre de nouveaux problèmes”, a déclaré King, qui est également membre de l’Institut Alan Turing. « Là où un système de ML typique doit repartir de zéro pour apprendre à identifier un nouveau type d’animal, par exemple un chaton, le TML peut utiliser la similitude avec les animaux existants : les chatons sont mignons comme les lapins, mais n’ont pas de longues oreilles comme les lapins et ânes. Cela fait du TML une approche beaucoup plus puissante de l’apprentissage automatique. “

Les chercheurs ont démontré l’efficacité de leur idée sur des milliers de problèmes issus de la science et de l’ingénierie. Ils disent que cela est particulièrement prometteur dans le domaine de la découverte de médicaments, où cette approche accélère le processus en vérifiant ce que les autres modèles de ML disent à propos d’une molécule particulière. Une approche ML typique recherchera des molécules médicamenteuses d’une forme particulière, par exemple. TML utilise à la place la connexion des médicaments à d’autres problèmes de découverte de médicaments.

“J’ai été surpris de voir à quel point cela fonctionne, mieux que tout ce que nous connaissons pour la conception de médicaments”, a déclaré King. “C’est mieux que les humains de choisir des médicaments – et sans la meilleure science, nous n’obtiendrons pas les meilleurs résultats.”


Le cerveau apprend-il de la même manière que les machines apprennent ?


Plus d’information:
Machine learning transformationnel : apprendre à tirer des enseignements de nombreux problèmes scientifiques connexes, Actes de l’Académie nationale des sciences (2021). DOI : 10.1073/pnas.2108013118

Fourni par l’Université de Cambridge

Citation: Une approche « transformationnelle » de l’apprentissage automatique pourrait accélérer la recherche de nouveaux traitements contre les maladies (2021, 29 novembre) récupéré le 29 novembre 2021 à partir de https://techxplore.com/news/2021-11-approach-machine-disease-treatments.html

Ce document est soumis au droit d’auteur. En dehors de toute utilisation équitable à des fins d’étude ou de recherche privée, aucune partie ne peut être reproduite sans l’autorisation écrite. Le contenu est fourni seulement pour information.