Quanten-verbesserte KI revolutioniert die Krebsmedikamenten-Entdeckung: Ein Sprung nach vorne mit industrieller generativer KI

In einer beispiellosen Weiterentwicklung in der Medikamenten-Entdeckung hat Zapata Computing, Inc. zusammen mit Insilico Medicine, der Universität Toronto und dem St. Jude Children’s Research Hospital, das bemerkenswerte Potenzial von quanten-verbesserter generativer KI gezeigt. Diese Zusammenarbeit hat zu dem ersten Fall geführt, in dem ein generatives Modell, das auf Quanten-Hardware läuft, traditionelle klassische Modelle bei der Erzeugung von geeigneten Krebsmedikamenten-Kandidaten übertrifft.

Diese wegweisende Studie konzentrierte sich auf die Entwicklung von neuen KRAS-Inhibitoren, einem besonders schwierigen Ziel in der Krebs-Therapie. Durch den Einsatz von fortschrittlichen generativen KI-Modellen auf klassischer und Quanten-Hardware, einschließlich eines 16-Qubit-IBM-Geräts, konnte das Team erfolgreich eine Million Medikamenten-Kandidaten erzeugen. Nach einem sorgfältigen Prozess der algorithmischen und menschlichen Filterung ergab das quanten-verbesserte generative Modell zwei verschiedene Moleküle mit überlegener Bindungsaffinität im Vergleich zu denen, die von klassischen Modellen produziert wurden. Durchbruch unterstreicht nicht nur die Wirksamkeit von Quanten-Computing in der Medikamenten-Entdeckung, sondern auch die transformative Rolle von industrieller generativer KI bei der Lösung komplexer, branchenspezifischer Herausforderungen in verschiedenen Branchen.

Industrielle generative KI, eine spezielle Unterkategorie von generativer KI, ist besonders geeignet, um derart komplexe Probleme zu lösen. Im Gegensatz zu allgemeinen KI-Tools wie ChatGPT und DALL-E von OpenAI ist industrielle generative KI darauf ausgelegt, spezifische Probleme in Unternehmen oder Branchen zu lösen. Sie navigiert durch Herausforderungen wie Datenunordnung, große Lösungsräume, Unvorhersehbarkeit, Zeitdruck, Rechenbeschränkungen und Anforderungen an Genauigkeit, Zuverlässigkeit und Sicherheit. Im Kern sind generative Modelle wie Large Language Modelle (LLMs), die aus Trainingsdaten lernen, um neue, realistische Ausgaben zu erzeugen. Dieser Ansatz ermöglichte es dem Zapata-AI-Team, in dem Bereich der Medikamenten-Entdeckung zu bahnbrechenden Lösungen zu gelangen und KI zu nutzen, um innovative Lösungen zu schaffen.

Yudong Cao, CTO und Mitgründer von Zapata AI, hob die Synergie von Quanten- und klassischer Computertechnik bei der Bereitstellung umfassender Lösungen in diesem bahnbrechenden Projekt hervor. Die Forschung, die derzeit auf ArXiv verfügbar ist und auf früheren Studien basiert, die das Potenzial von quanten-generativer KI in der Medikamenten-Entdeckung demonstrieren, wartet derzeit auf eine Peer-Review.

Alex Zhavoronkov, PhD, Gründer und Co-CEO von Insilico Medicine, erkannte die Integration von Insilicos generativer KI-Engine, Chemistry42, mit quanten-verbesserten Modellen an, die neue therapeutische Wege für herausfordernde Krebs-Ziele eröffnen. Dieser Schritt ist entscheidend für die Weiterentwicklung der Zukunft der Medikamenten-Entdeckung.

Mit einer jüngsten strategischen Partnerschaft mit D-Wave Quantum Inc. (QBTS ) ist Zapata AI bereit, die Horizonte von quanten-generativen KI-Modellen bei der Entdeckung neuer Moleküle für eine Vielzahl von kommerziellen Anwendungen weiter zu erweitern. Christopher Savoie, CEO und Mitgründer von Zapata AI, äußerte sich begeistert über diese Entwicklung und das Potenzial für eine breitere Anwendung in verschiedenen Branchen.

Alán Aspuru-Guzik, Professor an der Universität Toronto und Mitgründer und wissenschaftlicher Berater von Zapata AI, teilte seine Optimismus über die Integration von Quanten-Computing in die Medikamenten-Entdeckungs-Pipeline. Diese Forschung ist bahnbrechend und setzt einen Präzedenzfall für zukünftige Quanten-Computer, um ihre einzigartigen Fähigkeiten zu demonstrieren.

Die Forschung nutzte Zapata AI’s QML Suite Python-Paket, das auf seiner Orquestra-Plattform verfügbar ist, und betont die praktische Anwendung von Quanten-Computing bei der Lösung realer wissenschaftlicher Herausforderungen. Diese Integration von industrieller generativer KI in den Medikamenten-Entdeckungs-Prozess markiert einen bedeutenden Schritt bei der Nutzung von KI für innovative, branchenspezifische Lösungen, um Wachstum und Effizienz in der ständig evolvierenden technologischen Landschaft voranzutreiben.