دسته‌ی جدیدی از الگوریتم‌های یادگیری ماشینی توسط محققان گسترش یافته‌است که می‌تواند ساختار سه‌بعدی مولکول‌های ریز را ایجاد نماید که شاید انقلابی در گسترش دارودرمانی برای طیفی از بیماری‌ها، از آلزایمر گرفته تا سرطان به وجود بیاورد.
دانشجوی دکترای U of T، علی پونجانی که به گسترش این الگوریتم‌ها کمک کرده است:
طراحی داروهای موفق مانند حل کردن پازل می‌باشد. بدون دانستن شکل سه‌بعدی پروتئین، مانند این است که بخواهیم پازل را با چشمبند حل کنیم. توانایی تشخیص ساختار اتمی سه‌بعدی مولکول پروتئین در فهم چگونگی کار آن‌ها و پاسخشان به دارودرمانی مهم است.
داروها با اتصال به مولکول‌های پروتئینی خاص و تغییر دادن شکل سه‌بعدی آن‌ها عمل می‌کنند و در نهایت کار آن را در بدن تغییر می‌دهند. داروی ایدئال به شکلی طراحی می‌شود که فقط به پروتئین‌های دخیل در بیماری متصل گردد و با پروتئین‌ها دیگر کاری نداشته باشد.
این الگوریتم‌های جدید با استفاده از تصاویر میکروسکوپی ساختارهای سه‌بعدی پروتئین‌ها را بازسازی می‌کنند. چون این مولکول‌ها بسیار کوچک هستند (حتی کوچک‌تر از طول موج نور) بدون تکنیک‌های پیچیده‌‍ای مثل کریومیکروسکوپی الکترونی دیده نمی‌شوند. این تکنیک جدید انقلابی در کشف ساختار سه‌بعدی پروتئین‌ها ایجاد می‌کند و به دانشمندان اجازه می‌دهد تا مولکول‌هایی را که قبل از این، نمی‌توانستند مطالعه کنند، مشاهده نمایند.
Cryo-EM منحصر به فرد است؛ چون از میکروسکوپ‌های با قدرت بالا برای گرفتن تصاویری از نمونه‌های پروتئینی از موقعیت‌های مختلف با وضوح پائین ده از هزار استفاده می‌نمایند. مشکل محاسباتی کنار هم قرار دادن صحیح ساختارهای سه‌بعدی با وضوح بالاست که از تصاویر دوبعدی با وضوح پائین بدست می‌آیند.
این روش برخی از مشکلات اساسی را از لحاظ سرعت و تعداد ساختارهایی که می‌توان تشخیص داد، حل می‌کند و می‌تواند به صورتی معنادار در ساخت داروهای جدید کمک نماید؛ چون راهی سریع و کارآمدتر برای رسیدن به ساختار صحیح ایجاد می‌کند.
تکنیک‌های موجود چندین روز وقت می‌برند تا ساختار سه‌بعدی را به وسیله‌ی گروهی از کامپیوترها ایجاد نمایند. این تکنیک کار را در چند دقیقه با یک کامپیوتر حل می‌کند. دقت عمل این روش نیز بر روش‌های قبلی برتری دارد. در نهایت می‌توان گفت داروهای جدیدی با این روش در راه است و علاوه بر آن فهم عمیقی می‌توان از زندگی در سطح اتمیِ آن حاصل کرد.
