Umělá inteligence pohání lékařské průlomy: využití umělé inteligence pro objevování nových léků

Objevování léků je známé jako “od laboratoře k posteli” kvůli jeho dlouhé době trvání a vysokým nákladům. Trvá kolem 11 až 16 let a mezi $1 miliardou a $2 miliardami na to, aby se lék dostal na trh. Ale nyní umělá inteligence revolucionalizuje vývoj léků, poskytující lepší tempo a ziskovost.

Umělá inteligence ve vývoji léků transformovala náš přístup a strategii vůči biomedicínskému výzkumu a inovacím. Pomohla výzkumníkům snížit složitost onemocnění a identifikovat biologické cíle.

Podívejme se hlouběji na to, co umělá inteligence v objevování léků skrývá pro budoucnost.

Pochopení role umělé inteligence: Jak je využívána pro objevování léků?

Umělá inteligence zlepšila různé fáze procesu objevování léků svou schopností analyzovat velké množství dat a dělat komplexní předpovědi. Zde je to, jak:

1. Identifikace cílů

Identifikace cílů je prvním procesem objevování léků, který zahrnuje identifikaci možných molekulárních entit, jako jsou proteiny, enzymy a receptory, které jsou přítomny v těle a které mohou kombinovat s léky, aby produkovaly terapeutické účinky proti onemocněním.

Umělá inteligence může využít velké klinické databáze, které obsahují klíčové informace o identifikaci cílů. Tyto zdroje dat mohou zahrnovat biomedicínský výzkum, biomolekulární informace, data z klinických studií, struktury proteinů atd.

Trénované modely umělé inteligence spolu s biomedicínskými technikami, jako je expresní analýza genů, mohou pochopit komplexní biologické nemoci a identifikovat biologické cíle pro kandidáty léků. Například výzkumníci vyvinuli různé techniky umělé inteligence pro identifikaci nových protinádorových cílů.

2. Výběr cílů

Umělá inteligence v objevování léků může pomoci výzkumníkům vybrat slibné cíle na základě jejich korelací s nemocemi a předpovězené terapeutické užitečnosti. S silnou schopností rozpoznávat vzory může umělá inteligence udělat tento výběr nejen na základě zveřejněné lékařské literatury, ale také vybrat zcela nové cíle bez předchozí reference v publikovaných patentech.

3. Prioritizace léků

V této fázi umělá inteligence vyhodnocuje a klasifikuje kandidáty léků, priorizuje je pro další hodnocení a výzkum, aby urychlila jejich vývoj. Ve srovnání s předchozími metodami hodnocení jsou přístupy založené na umělé inteligenci účinnější při identifikaci nejperspektivnějších kandidátů. Například výzkumníci vyvinuli Deep Learning-based výpočetní rámec pro identifikaci a priorizaci nových léků pro Alzheimerovu nemoc.

4. Skríning sloučenin

Modely umělé inteligence mohou předpovědět chemické vlastnosti a bioaktivitu sloučenin a poskytnout informace o nežádoucích účincích. Mohou analyzovat data z různých zdrojů, včetně předchozích studií a databází, aby identifikovaly potenciální rizika nebo vedlejší účinky spojené se sloučeninou. Například výzkumníci vyvinuli deep learning nástroj pro skríning chemických knihoven s miliardami molekul, aby významně urychlili velkou měřítku zkoumání sloučenin.

5. De Novo návrh léků

Ruční skríning velkých sbírek sloučenin byl tradiční praxí v objevování léků. S umělou inteligencí mohou výzkumníci skrínovat nové sloučeniny s nebo bez předchozích informací a také předpovědět konečnou 3D strukturu objevených léků. Například AlphaFold, vyvinutý firmou DeepMind, je systém umělé inteligence, který může předpovědět struktury proteinů. Obsahuje databázi více než 200 milionů předpovědí struktur proteinů, které mohou urychlit proces návrhu léků.

5 Úspěšných příkladů objevování léků pomocí umělé inteligence

1) Abaucin

Antibiotika zabíjejí bakterie. Ale kvůli nedostatku nových léků a rychlé evoluci bakteriální rezistence vůči starším lékům se bakterie stávají těžko léčitelnými. Abaucin, experimentální antibiotikum vyvinuté pomocí umělé inteligence, je navrženo pro zabíjení Acinetobacter baumannii, jedné z nejběžnějších superbakterií.

Pomocí umělé inteligence testovali výzkumníci tisíce léků, aby zjistili, jak dobře fungují proti bakterii Acinetobacter baumannii. Poté použili tyto informace k trénování umělé inteligence, aby vytvořila lék, který může účinně léčit tuto bakterii.

2) Target X od Insilico Medicine

Insilico Medicine použila svou Generative AI platformu a vytvořila lék nazvaný Target X, který je nyní ve fázi 1 klinických studií. Target X je navržen pro léčbu Idiopatické plicní fibrózy, onemocnění, které může způsobit ztuhnutí plic u starších osob, pokud není léčeno. Fáze 1 zahrnuje 80 účastníků, z nichž polovina dostane vyšší dávky postupně. To pomůže vyhodnotit, jak lék interaguje s lidským tělem.

3) VRG50635 od Verge Genomic

Verge Genomics, společnost pro objevování léků pomocí umělé inteligence, použila svou platformu CONVERGE k objevu nové sloučeniny, VRG-50635, pro léčbu ALS analýzou lidských datových bodů. Datové body zahrnovaly informace o mozkové a míšní tkáni pacientů s neurodegenerativními onemocněními, jako je Parkinsonova nemoc, ALS a Alzheimerova nemoc.

Platforma nejprve identifikovala enzym PIKfyve jako možný cíl pro ALS a poté navrhla VRG50635 jako slibný inhibitor PIKfyve, který se stal potenciálním kandidátem léku pro léčbu ALS. Proces trval kolem čtyř let a nyní je kandidát ve fázi 1 lidských studií.

4) Exscientia-A2a Receptor

Exscientia, společnost pro medicínskou techniku s umělou inteligencí, je zodpovědná za první molekulu navrženou pomocí umělé inteligence pro imunoonkologickou léčbu – formu léčby rakoviny, která využívá imunitní systém těla k boji proti rakovinným buňkám. Jejich lék navržený pomocí umělé inteligence vstoupil do fáze lidských klinických studií. Jeho potenciál spočívá v jeho schopnosti cílit na A2a receptor pro podporu protinádorové aktivity, zatímco zajišťuje méně vedlejších účinků na tělo a mozek.

Pomocí Generative AI vytvořili další sloučeniny pro cílení na různá onemocnění, jako jsou

• Transkripčně závislé rakoviny cílením na inhibitory CDK7
• Zánětlivá onemocnění cílením na enzym PKC-theta
• Hematologická a onkologická onemocnění cílením na regulátor LSD1

5) Absci-de Novo Protilátky s Zero-Shot Generative AI

Absci, společnost pro objevování léků pomocí Generative AI, prokázala použití zero-shot generativní umělé inteligence k vytvoření de novo protilátek pomocí počítačové simulace. Zero-shot učení znamená, že model umělé inteligence nebyl explicitně testován na aktuální vstupní informace během fáze trénování. Protože může přijít s novými návrhy protilátek samostatně.

De novo terapeutické protilátky poháněné umělou inteligencí zkracují dobu, kterou potřebujete k vývoji nových kandidátů léků, ze šesti let na pouhých 18 až 24 měsíců, zvyšují jejich šanci na úspěch v klinických studiích. Technologie společnosti může testovat a ověřovat 3 miliony návrhů protilátek generovaných umělou inteligencí každý týden. Tento nový vývoj by mohl okamžitě dodat nové terapeutické látky každému pacientovi, což by znamenalo významnou změnu v průmyslu.

Co bude budoucnost umělé inteligence a objevování léků?

Kromě mnoha dalších aplikací ve zdravotnictví činí umělá inteligence proces objevování léků rychlejším a inteligentnějším analýzou velkých datových souborů a předpovědí slibných cílů léků a kandidátů. Pomocí generativní umělé inteligence mohou biotechnologické společnosti identifikovat markery odpovědi pacientů a vyvinout personalizované léčebné plány rychle.

Zpráva naznačuje, že brzy budou更多 biotechnologické společnosti začleňovat umělou inteligenci a strojové učení do rané fáze objevování léků, což povede k vytvoření trhu v hodnotě 50 miliard dolarů během příštích deseti let, což bude mít významný potenciál pro růst umělé inteligence v farmaceutickém průmyslu. Umělá inteligence potenciálně sníží celkové náklady na objevování léků, což umožní dostat více nových léků k pacientům rychleji.

Pokud chcete vědět více o umělé inteligenci a o tom, jak bude formovat naši budoucnost, navštivte unite.ai.