Tenk deg at du er en forsker som jobber med å lage antistoffer. Antistoffer kan angripe spesifikke mål i kroppen, som for eksempel et virus, eller proteiner og molekyler som fungerer som tegn på kreft.
Du tester en rekke antistoffer og finner ut at noen fungerer, mens andre ikke gjør det.
Du vil fortsette å tilpasse dem og se om du kan gjøre dem enda bedre. Men du vil ikke bruke tid på å teste de antistoffene som helt sikkert ikke kommer til å virke. Disse vil du identifisere slik at du bare står igjen med antistoffer som potensielt kan brukes.
Kun de gode antistoff-kandidatene får være med i eksperimenter, som både er tidkrevende og kostbare.
KI-modeller kan finne ut av hvilke antistoffer som kan fungere
En måte å gjøre dette på er å trene en KI-modell sånn at den kan hjelpe deg i prosessen.
Flere forskere bruker allerede slike modeller for å snevre inn søket sitt.
– Modellene kan lære hvilke egenskaper et antistoff må ha for å kunne binde seg til og angripe et mål i kroppen. De lærer dette ved å se på mange eksempler, altså mye data. Vi mennesker kan ikke få til dette, for vi klarer ikke å oppfatte hvilke antistoffer som kan binde seg og hvile som ikke kan det, sier Aygul Minnegalieva, stipendiat ved Universitetet i Oslo.
Hun forsker på hvordan vi kan trene KI-modeller på best mulig måte ved Greiff Lab.
– Men ikke alle maskinlæringsmodeller vil klare dette riktig. Bare hvis modellene trenes med de riktige dataene, kan vi bruke dem til å få en forståelse av biologiske determinanter. For eksempel, hva som gjør et antistoff til en binder, forklarer hun.
Minnegalieva og kolleger har nylig publisert en studie om dette i Nature Machine Intelligence.
Lærer modellene å kjenne igjen hvilke antistoffer som binder seg til et virus
Forskerne vil trene modellene slik at de klarer å kjenne igjen hvilke antistoffer som binder seg til et virus eller et annet patogen som en bakterie eller sopp.
– En tilnærming for å oppnå dette er å gi modellene eksempler på både riktige og gale responser angående hva vi ønsker at de skal gjenkjenne, forklarer stipendiaten.
Slike eksempler på feil kalles negative data, mens de riktige eksemplene kalles positive data.
Feilene må være vanskelige for modellene å kjenne igjen. I den nye studien viser Minnegalieva og kolleger at de negative dataene som modellene eksponeres for, må være tilstrekkelig utfordrende.
– Vi må vise modellene feilaktige eksempler som ligner veldig på de riktige eksemplene. På denne måten lærer datamodellene mer effektivt, påpeker Minnegalieva.
KI-modellene ble flinkere til å resonnere
Spesifikt presenterte forskerne modellene for negative data med antistoffer som binder seg til proteiner, for eksempel i et virus, men gjør dette på en dårlig måte.
– Modellene forbedret evnen sin til å skille mellom antistoffer som ville være effektive i å bekjempe et virus og dem som ikke ville vært det, forklarer stipendiaten.
Viktigst av alt, denne metoden gjorde at modellene fanget opp de underliggende determinantene i antistoffer som gjør at de enklere binder seg til et protein i et virus.
– Disse determinantene ga mer biologisk mening, sier Minnegalieva og fortsetter:
– I bunn og grunn ble modellene bedre i stand til å resonnere.
Forskere kan bruke KI for å utvikle antistoffer og medisiner raskere
Maskinlæring brukes i økende grad i utviklingen av nye legemidler. Det gjør at forskere ikke trenger å gjøre like mange kostbare, eksperimentelle tester.
– Vi kan redusere antallet feil når vi utvikler nye kandidater av antistoffer eller medisiner for å målrette mot ulike patogener eller kreft, sier Minnegalieva, og fortsetter:
– Modellene vi bruker må både være nøyaktige og pålitelige. De må virkelig forstå hva som er viktig fra et biologisk perspektiv. Først da kan vi gjøre gode prediksjoner og spare tid.
Den nye studien viser hvordan modellene kan trenes for bedre å oppfylle disse kravene.
Metoden kan tas i bruk innen en rekke fagfelt
Selv om studien fokuserte på antistoffer, kan denne treningsmetoden med positive og negative data tas i bruk innen ulike fagfelt hvor maskinlæring brukes.
– Felt som språkmodellering, proteindesign og prediksjon av molekylære egenskaper er også avhengige av sampling av negative data. Alle disse områdene står overfor risikoen for at modellene tar snarveier hvis de negative eksemplene er for enkle, sier Minnegalieva, og fortsetter:
– Studien vår er derfor relevant også for disse fagfeltene.
Også professor og leder ved Greiff lab, Victor Greiff, påpeker betydningen og relevansen av studien.
– Vårt arbeid viser at datasamling ikke bare er et forhåndsbehandlingssteg, det er et vitenskapelig valg som koder antakelser og bestemmer hva maskinlæring kan oppdage. For immunologi, oppdagelsen av legemidler og mer, kan nøye design av datasett være nøkkelen til å bygge maskinlæringsmodeller som generaliserer og avdekker ekte biologiske prinsipper, sier Greiff.
Kontakt
Referanser
Ursu, E., Minnegalieva, A., Rawat, P., Chernigovskaya, M., Tacutu, R., Sandve, G. K., ... & Greiff, V. (2025). Training data composition determines machine learning generalization and biological rule discovery. Nature Machine Intelligence, 7(8), 1206-1219. Du finner artikkelen her.
Ta, W., & Stokes, J. M. (2025). The importance of negative training data for robust antibody binding prediction: Machine learning. Nature Machine Intelligence, 7(8), 1192-1194. Du finner artikkelen her (kun for abonnenter).