Предсказание структуры комплекса, который образуют несколько молекул, является ключевым этапом создания лекарства с помощью компьютерного моделирования. Именно над этой задачей в Образовательном центре «Сириус» под руководством Александра Садовникова, старшего разработчика биоинформатического ПО компании BIOCAD, работала проектная команда талантливых одиннадцатиклассников из Москвы, Петербурга, Воронежа, Казани, Саратова и Владикавказа в рамках программы «Большие вызовы – 2020». Подробнее об этом в статье Фармацевтического портала «ИНФАРМ».
Участники проекта разрабатывали новый способ оценки правдоподобия структуры молекулярного комплекса, в основу которого легли классические подходы машинного обучения, такие как кластеризация, метод k ближайших соседей, линейная регрессия, решающие деревья и другие. Найденный способ оценки правдоподобия структуры молекулярного комплекса впоследствии будет использоваться в алгоритме HEDGE, разработанном и используемом в компании BIOCAD.
«На программе мы изучали классические подходы машинного обучения и применяли их для решения очень сложной задачи — предсказания структуры молекулярного комплекса, — рассказал Александр Садовников. — В рамках нашего проекта у ребят есть возможность увидеть, как знания, которые они получают в школе, применяются на практике».
Куратор школьников от BIOCAD отметил, что алгоритмы решения задачи поиска способа оценки для каждого молекулярного комплекса выдают несколько вариантов его структуры. Среди этих вариантов нужно найти наиболее правдоподобные, такие, которые действительно могут существовать в природе. По отобранным вариантам структуры комплекса можно понять, какими частями взаимодействуют молекулы, входящие в его состав: от этого зависит, как будет работать создаваемое лекарство
Герман Фидаров из Северной Осетии рассказал, что несмотря на то, что с основами машинного обучения он был знаком и раньше, в таком значительном проекте ему удалось поучаствовать впервые. И если биологией он интересуется давно, то теперь с интересом смотрит и на применение методов анализа данных в этой области. С ним согласен Владислав Антипов из Москвы, который благодаря этому проекту стал намного лучше понимать принципы машинного обучения и перестал воспринимать его как что-то скучное. Старшеклассник узнал, как сегодня работают биотехнологии, а также их роль в современной жизни.
Вице-президент BIOCAD Александра Глазкова подчеркнула, насколько важно для компании работать с талантливой молодежью: «Над созданием кадрового потенциала мы работаем с 2012 года, причем, не только для BIOCAD, но и для всей отрасли, поэтому мы не могли обойти стороной такую ценную программу, как проект "Сириуса" — "Большие вызовы". Образовательный центр наш первый и самый давний партнер, одно из ключевых звеньев в выстраивании долгосрочной стратегии по работе со школьниками. Именно бизнес должен развивать таланты и обращать внимание на одаренных детей, чтобы они строили будущее нашей страны. Для этого мы предлагаем познакомиться с профессией еще в школе: приглашаем наших лучших сотрудников преподавать на проектных программах центра, где они в рамках практических занятий показывают ученикам, насколько биотехнологии перспективное и интересное направление».
Разработка нового способа оценки правдоподобия структуры молекулярного комплекса проходила во время второй интенсивной сессии научно-технологической проектной программы «Большие вызовы-2020» в образовательном центре «Сириус». Ее участниками стали школьники направления «Большие данные, искусственный интеллект, финансовые технологии и машинное обучение». Старшеклассники принимали участие в четырех перспективных научно-технологических проектах, в которых им помогали эксперты из Яндекса, BIOCAD, Банка ВТБ, Университета Иннополис и Высшей школы менеджмента СПбГУ.
BIOCAD сотрудничает с Образовательным центром «Сириус» с 2016 года. Компания ежегодно принимает участие в организации и проведении проектных смен, выставок и конференций. В сентябре 2018 года на территории Сириуса была открыта лаборатория BIOCAD, полностью укомплектованная современным оборудованием для выполнения самых разных молекулярно-генетических работ.
