Õppetoolis on külas Dr. Igor Tetko
Uko Maran
Neljapäeval, 4. septembril 2025, peab dr habil Igor Tetko Tartu Ülikooli keemia instituudis loengu teemal „Tox24 Challenge: kaasaegsete tehisintellekti meetodite põhjalik analüüs transtüretiini sidumise täpseks ennustamiseks.“
Dr. Tetko on Euroopa juhtiv keemiainformaatika teadlane, kelle uurimistöö keskendub masinõppe ja tehisintellekti rakendamisele keemias. Tal on keemia magistrikraad Moskva Füüsika ja Tehnoloogia Instituudist ning doktorikraad Ukraina Teaduste Akadeemiast. Ta on töötanud neuroinformaatika järeldoktorandina Lausanne'i ülikoolis ja omandanud habilitatsiooni Strasbourgi ülikoolis. Alates 2012. aastast juhib ta Münchenis asuva Helmholtzi Struktuuribioloogia Instituudi keemiainformaatika gruppi. Lisaks on ta BigChem GmbH asutaja ja tegevjuht, Euroopa Liidu „Horisont Europe“ programmi Marie Skłodowska-Curie doktoriõppe võrgustiku „AiChemist“ koordinaator ning rahvusvahelise tehisnärvivõrkude konverentsi ICANN2025 programmi juht.
Dr. Igor Tetko loengu kokkuvõte:
“Tox24 Challenge” eesmärk oli leida tipptasemel arvutusmeetodeid transtüretiiniga (TTR) in vitro keemilise seondumise ennustamiseks. TTR on kilpnäärmehormoonide transpordis osalev oluline seerumivalk. Tox24 meelitas ligi 78 meeskonda 27 riigist, peaaegu kahekordistades varasemate Tox21 osalejate arvu ja rõhutades kasvavat huvi uute lähenemisviiside meetodite (New Approach Methodologies – NAM) vastu toksilisuse ennustamisel. Põhitulemused näitasid täiustatud masinõppe (ML) ja/või tehisintellekti (AI) meetodite olulist mõju. Nimelt saadi parimad tulemused kasutades peamiselt esindusõppe meetoditega, sealhulgas graafi neurovõrkude (GNN) ja loomuliku keeletöötluse (NLP) tehnikaid (nt Transformer CNN, CNF2). Edukaks osutusid lähenemisviisid, mis põhinesid konsensusmodelleerimise strateegiatel. Mudelite analüüs näitas olulise aspektina, et "Rohkem andmeid loeb!", sest ulatuslik andmete filtreerimine mõjutas mudeli täpsust negatiivselt. Kogu andmestiku abil välja töötatud mudelid edestasid oluliselt neid, mille andmeid eelnevalt ulatuslikult filtreeriti. Tox24 tulemused rõhutavad tehisintellekti protokollide töökindlust ja suurt täpsust, mis tekitab vajaduse laiendada olemasolevaid regulatiivseid raamistikke, näiteks „OECD QSAR põhimõtted“, et täielikult võtta omaks täiustatud masinõppe lähenemisviise, nagu konsensusmodelleerimine, eeltreenimine ja peenhäälestamine.
