مسابقه طراحی دارو مبتنی بر هوش مصنوعی در اولین کنگره بین المللی هوش مصنوعی در علوم پزشکی (AIMS2023)

موضوع چالش:

پروتکل‌های کشف دارو در صنعت داروسازی برای سال‌ها عمدتاً بر روش‌های غربالگری با توان عملیاتی بالا (HTS) برای تعیین سریع فعالیت بیولوژیکی یا بیوشیمیایی تعداد زیادی از ترکیبات مشابه دارو متکی بوده‌اند. اغلب در طول فرآیند کشف دارو، چالش های مختلفی از جمله اثربخشی، فعالیت، سمیت و سازگاری زیستی ترکیبات بوجود می آید. در دهه‌های اخیر، تکنیک‌های هوش مصنوعی (AI) در طراحی دارو روند HTS را تسریع کرده‌اند. این روش ها منحصراً با ارزیابی ویژگی های فیزیکی و شیمیایی لیگاندها (توصیف کننده های مولکولی) و فعالیت های بیولوژیکی آنها نقش خود را ایفا می کنند. تکنیک‌های محاسباتی اساساً پروتکلی هستند که دانش آمار و ریاضیات را برای پیش‌بینی فعالیت یا طبقه‌بندی داده‌های بیولوژیکی مرتبط با مولکول‌های طراحی شده به کار می‌گیرند. اخیراً تعداد مولکول‌های فعال و توصیف گر های مولکولی به‌طور تصاعدی افزایش یافته است که باعث شده مشکلات متعددی در پیش‌بینی یا طبقه‌بندی فعالیت مولکولی ظاهر شود. هدف از این مسابقه شناسایی بهترین تکنیک‌های آماری برای پیش‌بینی فعالیت‌های بیولوژیکی مولکول‌های مختلف، با توجه به توصیف‌کننده‌های عددی تولید شده از ساختار شیمیایی ترکیبات دارویی است. دیتابیس این چالش بر اساس مجموعه داده های مختلف، با توجه به 7 هدف درمانی مختلف برای درمان سرطان طراحی گردیده است. در این دیتابیس هر ردیف مربوط به یک مولکول است و حاوی توصیف گر هایی است که از ساختار شیمیایی آن مولکول مشتق شده است.

• در نتیجه هدف از این چالش، پیش‌بینی فعالیت‌های بیولوژیکی مولکول‌های مختلف، با توجه به توصیف‌کننده‌های عددی تولید شده از ساختار شیمیایی ترکیبات دارویی است.

این چالش به عنوان یک تلاش مشترک بین دانشگاه علوم پزشکی اصفهان و دانشگاه علوم پزشکی هوشمند سازماندهی شده است. از شرکت کنندگان خواسته می شود تا در سناریوی چالش برانگیز پیش‌بینی فعالیت‌های بیولوژیکی مولکول‌های مختلف شرکت کنند. این چالش یک مسابقه آزاد است که هر تیم و یا فرد علاقه مند واجد شرایط می تواند در آن شرکت کند. قابل ذکر است که یک شرکت کننده نمی تواند در بیش از یک تیم باشد. با توجه به ماهیت چالش، لزوم استفاده از تخصص های علوم پزشکی و مهندسی درکنار هم امری ضروری است لذا تیم های شرکت کننده حتما باید در کنار اعضای مهندسی، حداقل یک نفر از دانشجویان یا فارغ التحصیلان رشته های علوم پزشکی را به عنوان هم گروهی همراه داشته باشند.

چالش مذکور در دو مرحله برگزار خواهد شد:

مرحله مقدماتی: 

در این مرحله، شرکت کنندگان داده های دارویی را دریافت کرده و برای پیش‌بینی فعالیت‌های بیولوژیکی مولکول‌های مختلف از مدل های یادگیری ماشین و محاسباتی استفاده میکنند. شرایط و جزئیات شرکت در مسابقه در زیر شرح داده شده است:

• 1- استفاده از مدل های یادگیری ماشین مرسوم مانند SVM، KNN، Tree، Ensembleو غیره به شرط وجود نوآوری در آن، قابل قبول هستند.
• 2- آموزش، اعتبارسنجی و تست مدل ها جهت پیش‌بینی فعالیت‌های بیولوژیکی مولکول‌های مختلف صرفا با توجه به داده های قرار داده شده در این چالش انجام شود.
• در نهایت، شرکت کنندگان باید نتایج مدل های خود را در بازه زمانی مشخص شده ارسال کنند.

مرحله نهایی:

شرکت کنندگان باید نتایج مرحله مقدماتی خود را تا 31 فروردین 1402 ارسال کنند. تیم های برتر تا 15 اردیبهشت 1402 انتخاب شده و برای شرکت در مرحله نهایی چالش دعوت خواهند شد. مرحله نهایی این چالش در هفته سوم اریبهشت ماه به صورت حضوری برگزار خواهد شد و برندگان نهایی در اولین کنگره بین المللی هوش مصنوعی در علوم پزشکی در جزیره کیش اعلام خواهند شد.

مجموعه داده های چالش: 

مجموعه داده‌های مورد استفاده در این چالش شامل ساختار شیمیایی مولکول های مختلف می باشد که این داده برای اموزش(TRAINING)، ارزیابی(VALIDATION) و تست الگوریتم ها استفاده خواهد شد.

داده های آموزش و ارزیابی دارای لیبل می باشند اما داده های تست بدون لیبل است.

موارد ارسالی:

• 1. استفاده از MATLAB و Python در توسعه کدها مجازاست.
• 2. فایل مربوط به ذخیره الگوریتم ها، مدل آموزش دیده شده، نتایج عملکرد مدل در طول آموزش شبکه (history) و کد شبکه پیاده سازی شده در فایل .zip با نام Code_AIMS2023 قرار داده شود.
• 3. نمودار Accuracy validation و loss validation با فرمت .png در فایل zip با نام Fig_AIMS2023 قرار داده شود.
• 4. ورژن پایتون و پکیج های استفاده شده در فایل متنی (.txt) با نام Lab_AIMS2023 قرار داده شود.
• 5. گزارشی بین 100 تا 300 کلمه‌ از شبکه پیشنهادی، پیش پردازش های اعمال شده، معیار های ارزیابی، نتایج بدست آمده با فرمت pdf با نام Report_AIMS2023 قرار دهید.
• 6. کلیه موارد ذکر شده را در فایل zip. با نام LIP_team_name_AIMS2023 قرار دهید و به ایمیل LIP.AIMS2023@gmail.com ارسال کنید.(team name نام تیم انتخابی شماست.)
• در صورتی که موارد ذکر شده کامل ارسال نشود نتایج شما داوری نخواهد شد.