![image][1]



В прошлом году мы с Артуром Кадуриным решили присоединиться к новой волне обучения нейронных сетей — к глубокому обучению. Сразу стало ясно, что машинное обучение во многих сферах практически не используется, а мы в свою очередь понимаем как его можно применить. Оставалось найти интересную область и сильных экспертов в ней. Так мы и познакомились с командой из Insilico Medicine (резидент БМТ-кластера фонда «Сколково») и разработчиками из МФТИ и решили вместе поработать над задачей поиска лекарств против рака.



Ниже вы прочитаете обзор статьи [The cornucopia of meaningful leads: Applying deep adversarial autoencoders for new molecule development in oncology][2], которую мы с коллегами из Insilico Medicine и МФТИ подготовили для американского журнала Oncotarget, с упором на реализацию предложенной модели во фреймворке tensorflow. Исходная задача была следующей. Есть данные вида: вещество, концентрация, показатель роста раковых клеток. Нужно сгенерировать новые вещества, которые останавливали бы рост опухоли при определенной концентрации. Датасет доступен на сайте [NCI Wiki][3].

[Читать дальше →][4]

[1]: https://habrastorage.org/files/d79/61b/7ff/d7961b7fff0e4b4baf1c7a6cbdb1a67d.jpg
[2]: http://www.impactjournals.com/oncotarget/index.php?journal=oncotarget&page=article&op=view&path=14073
[3]: https://wiki.nci.nih.gov/display/NCIDTPdata/NCI-60+Growth+Inhibition+Data
[4]: https://habrahabr.ru/post/325908/?utm_source=habrahabr&utm_medium=rss&utm_campaign=feed_posts#habracut