Ученые впервые применили один из методов машинного обучения — генеративные топографические карты — к прогнозу лекарственной устойчивости ВИЧ. «При этом методе точки, отображающие признаки элементов обучающей выборки (их используют для построения модели), проецируют на гиперпространство, построенное в меньшем пространстве признаков. Далее гиперпространство “разворачивается” в плоскость. При этом получается, что элементы выборки, которые характеризуются схожими между собой особенностями, оказываются близко расположенными друг к другу на построенной плоскости и могут быть сгруппированы по своим характеристикам — например, в данном случае по степени устойчивости к лекарственным препаратам», — рассказала Ольга Тарасова, старший научный сотрудник лаборатории структурно-функционального конструирования лекарств НИИ биомедицинской химии (ИБМХ) им. В.Н. Ореховича.
Для прогноза использовали признаки на основе последовательностей белков ВИЧ — интегразы, протеазы и обратной транскриптазы. Точность прогнозирования степени лекарственной устойчивости редких мутаций ВИЧ составила от 72 до 93% в зависимости от конкретного лекарственного препарата.
Эти модели могут применяться в медицинской практике — для компьютерного прогнозирования лекарственной устойчивости ВИЧ к определенному классу антиретровирусных лекарственных препаратов, например для корректировки схем терапии.