Quanten-verbesserte KI revolutioniert die Krebsmedikamentenentdeckung: Ein Sprung nach vorn mit industrieller generativer KI

In einem beispiellosen Fortschritt in der Medikamentenentdeckung hat Zapata Computing, Inc. zusammen mit Insilico Medicine, der University of Toronto und dem St. Jude Children’s Research Hospital die bemerkenswerte Potenzialität der quanten-verbesserten generativen KI demonstriert. Diese Zusammenarbeit hat zu dem ersten Fall geführt, in dem ein generatives Modell, das auf quanten-Hardware operiert, traditionelle klassische Modelle bei der Erzeugung von brauchbaren Krebsmedikamenten-Kandidaten übertrifft.

Diese bahnbrechende Studie konzentrierte sich auf die Entwicklung von neuen KRAS-Inhibitoren, einem notorisch schwierigen Ziel in der Krebstherapie. 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 unterschiedliche Moleküle mit überlegener Bindungsaffinität im Vergleich zu denen, die von klassischen Modellen produziert wurden. Durchbruch unterstreicht nicht nur die Effizienz von Quantencomputing in der Medikamentenentdeckung, sondern zeigt auch die transformative Rolle der industriellen generativen KI bei der Lösung komplexer, branchenspezifischer Herausforderungen in verschiedenen Branchen.

Industrielle generative KI, eine spezialisierte Subkategorie der generativen KI, ist besonders geeignet, um solche komplexen Probleme zu lösen. Im Gegensatz zu allgemeinen KI-Tools wie ChatGPT und DALL-E von OpenAI ist die industrielle generative KI auf die Lösung spezifischer Probleme innerhalb von Unternehmen oder Branchen ausgerichtet. 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 Models (LLMs), die aus Trainingsdaten lernen, um neue, realistische Ausgaben zu erzeugen. Dieser Ansatz ermöglichte es dem Zapata-AI-Team, in dem Bereich der Medikamentenentdeckung zu bahnbrechenden Lösungen zu gelangen, indem sie KI einsetzten, um bahnbrechende 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 peer review wartet und auf ArXiv verfügbar ist, baut auf früheren Studien auf, die das Potenzial von quanten-generativer KI in der Medikamentenentdeckung demonstrieren.

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

Mit einer jüngsten strategischen Partnerschaft mit D-Wave Quantum Inc. ist Zapata AI bereit, die Horizonte von quanten-generativen KI-Modellen in der Entdeckung neuer Moleküle für eine Reihe 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 University of Toronto und Mitgründer und wissenschaftlicher Berater von Zapata AI, teilte seine Optimismus über die Integration von Quantencomputing in die Medikamentenentdeckungspipeline. Diese Forschung ist bahnbrechend und setzt einen Präzedenzfall für zukünftige Quantencomputer, um ihre einzigartigen Fähigkeiten zu demonstrieren.

Die Forschung nutzte Zapata AI’s QML Suite Python Package, das auf seiner Orquestra®-Plattform verfügbar ist, und betont die praktische Anwendung von Quantencomputing bei der Lösung realer wissenschaftlicher Herausforderungen. Diese Integration von industrieller generativer KI in den Medikamentenentdeckungsprozess markiert einen bedeutenden Schritt bei der Nutzung von KI für innovative, branchenspezifische Lösungen, um Wachstum und Effizienz in der ständig sich entwickelnden technologischen Landschaft zu fördern.