Пользователям интернет-магазинов знакомы рекомендации товара в дополнение к уже купленному. Специальные алгоритмы анализируют большие объемы данных о предпочтениях покупателей и рекомендуют им новый товар, музыку или фильм. Рекомендательные системы, основанные на этих алгоритмах и известные на примере контекстной рекламы, уже прочно вошли в жизнь интернет пользователей.
Ученые из Сколтеха и Научного центра исследований и разработки иммунобиологических препаратов имени М.П. Чумакова установили: широко используемые алгоритмы способны не только рекомендовать пользователям подходящую музыку или фильмы в интернет-магазинах, но и эффективно отбирать соединения, обладающие противовирусной активностью. Результаты исследования опубликованы в высокорейтинговом журнале американского химического общества – ACS Omega.
Ученые провели вычислительные эксперименты и сравнили результаты применения различных рекомендательных систем для отбора малых молекул, обладающих противовирусной активностью.
Выяснилось: рекомендательные системы способны определить, обладают ли соединения противовирусной активностью и отобрать наиболее перспективные кандидаты в лекарства. Одним из ключей к успеху было использование больших данных — специалисты работали с базой ViralCHEMBL, содержащей информацию о противовирусной активности около 250 тысяч малых молекул относительно 158 видов вирусов. Как выяснили исследователи, рекомендательные системы эффективно выявляют закономерности в больших химико-биологических данных.