Создание новых медикаментов — это длительная и затратная задача, которая занимает от 10 до 15 лет, при этом многие кандидаты не проходят начальные этапы. Ускорение вычислительных процессов, таких как поиск мишеней и комбинаций, может помочь сократить количество отбраковок. Для этой цели команда из Гарвардской медицинской школы разработала PDGrapher — графовую нейросеть, которая осуществляет «обратный поиск». Вместо того чтобы предугадывать реакцию клеток на лекарства, модель анализирует различия между больными и здоровыми клетками, выявляя возможные вмешательства, которые могут восстановить здоровье. В тестах PDGrapher продемонстрировала большую точность и скорость, быстро находя терапевтические мишени среди 19 наборов данных, охватывающих 11 видов рака. Алгоритм способен находить известные решения, даже если они были исключены из обучающей выборки. Ныне PDGrapher прошла только вычислительные тесты; впереди доклинические и клинические испытания. Код модели доступен на GitHub, что позволяет использовать её для быстрого исключения неэффективных гипотез и снижения затрат на исследования.