פריצת דרך רפואית בהובלת AI: ניצול מודיעין מלאכותי לגילוי תרופות חדשות

גילוי תרופות מכונה “ממעבדה למיטה” בגלל משך הזמן הארוך והעלות הגבוהה. לוקח סביב 11 עד 16 שנים ובין $1 מיליארד ל-$2 מיליארד להביא תרופה לשוק. אבל עכשיו AI מהפכת את פיתוח התרופות, ומספקת קצב ורווחיות טובים יותר.

AI בפיתוח תרופות הפך את הגישה והאסטרטגיה שלנו למחקר ביו-רפואי וחדשנות. הוא עזר לחוקרים להפחית את המורכבות של מסלול מחלה ולזהות מטרות ביולוגיות.

בואו נביט עמוק יותר לתוך מה ש-AI בגילוי תרופות מחזיק לעתיד.

הבנת תפקיד ה-AI: איך הוא משמש לגילוי תרופות?

AI שיפר את השלבים השונים של תהליך גילוי התרופות עם יכולתו לנתח כמויות עצומות של נתונים ולעשות תחזיות מורכבות. הנה כיצד:

1. זיהוי מטרה

זיהוי מטרה הוא התהליך הראשון של גילוי תרופות, שכולל זיהוי ישויות מולקולריות אפשריות כגון חלבונים, אנזימים וקולטנים הנמצאים בגוף, שיכולים להתחבר עם תרופות כדי לייצר אפקטים טיפוליים נגד מחלות.

AI יכול לנצל מאגרי נתונים קליניים גדולים שכוללים מידע מפתח על זיהוי המטרה. מקורות אלה יכולים לכלול מחקר ביו-רפואי, מידע ביו-מולקולרי, נתוני ניסויים קליניים, מבנה חלבונים ועוד.

מודלים מאומנים של AI, בשילוב עם טכניקות ביו-רפואיות כגון ביטוי גנים, יכולים להבין מחלות ביולוגיות מורכבות ולזהות את המטרות הביולוגיות עבור מועמדי התרופות. למשל, חוקרים פיתחו טכניקות AI שונות ל זיהוי מטרות אנטי-סרטן חדשות.

2. בחירת מטרה

AI בגילוי תרופות יכול לעזור לחוקרים לבחור מטרות מבטיחות על בסיס השחלות שלהן והתועלת הטיפולית המונבאת. עם זיהוי דפוסים חזק, AI יכול לבצע בחירה זו לא רק על בסיס ספרות רפואית מוכרזת, אלא גם לבחור מטרות חדשות לחלוטין עם אזכור קודם בפטנטים מפורסמים.

3. דירוג תרופות

בשלב זה, AI מעריך ומדרג תרכובות מובילות, ומעדיף אותן להמשך מחקר ופיתוח. לעומת שיטות דירוג קודמות, גישות מבוססות AI יותר יעילות בזיהוי המועמדים המבטיחים ביותר. למשל, חוקרים פיתחו מסגרת חישובית מבוססת למידת מכונה לזיהוי ודירוג תרופות חדשות למחלת אלצהיימר.

4. סינון תרכובות

מודלים של AI יכולים לחזות את התכונות הכימיות והביו-פעילות של תרכובות, ולספק תובנות לתופעות לוואי. הם יכולים לנתח נתונים ממקורות שונים, כולל מחקרים קודמים ומאגרי נתונים, כדי לזהות סיכונים או תופעות לוואי פוטנציאליות הקשורות בתרכובת מסוימת. למשל, חוקרים פיתחו כלי למידת מכונה עמוקה לסינון ספריות כימיות עם מיליארדי מולקולות, כדי לאיץ את חיפוש התרכובות בקנה מידה גדול.

5. עיצוב תרופות דה נובו

סינון ידני של אוספים גדולים של תרכובות היה תהליך מסורתי בגילוי תרופות. עם AI, חוקרים יכולים לסנן תרכובות חדשות עם או בלי מידע קודם, וגם לחזות את המבנה התלת-ממדי הסופי של התרופות שהתגלו. למשל, AlphaFold, שפותח על ידי DeepMind, הוא מערכת AI שיכולה לחזות מבנה חלבונים. היא מחזיקה מאגר של יותר מ-200 מיליון חיזויי מבנה חלבונים, שיכול לאיץ את תהליך עיצוב התרופות.

5 דוגמאות מוצלחות של גילוי תרופות באמצעות AI

1) Abaucin

אנטיביוטיקה הורגת חיידקים. אבל בגלל מחסור בתרופות חדשות והתפתחות מהירה של עמידות בקטריאלית נגד תרופות ישנות, חיידקים הופכים לקשים לטיפול. Abaucin, אנטיביוטיקה חזקה שפותחה באמצעות AI, תוכננה להרוג Acinetobacter baumannii, אחד החיידקים המסוכנים ביותר.

באמצעות AI, החוקרים בדקו תחילה אלפי תרופות כדי לראות כיצד הן פועלות נגד החיידק, Acinetobacter baumannii. אז המידע הזה שימש לאימון AI ליצור תרופה שיכולה לטפל בו בצורה יעילה.

2) Target X של Insilico Medicine

Insilico Medicine השתמשה בפלטפורמת Generative AI שלה ויצרה תרופה בשם Target X, שכעת נמצאת בשלב 1 של ניסויים קליניים. Target X תוכננה לטפל ב Idiopathic Pulmonary Fibrosis, מחלה שיכולה לגרום לקשיחות ריאות אצל אנשים מבוגרים אם לא תטופל.

שלב 1 יכלול 80 משתתפים, וחצי מהם יקבלו מנות גבוהות יותר בהדרגה. זה יעזור להעריך כיצד המולקולה התרופתית מתחברת עם הגוף האנושי.

3) VRG50635 של Verge Genomics

Verge Genomics, חברת גילוי תרופות באמצעות AI, השתמשה בפלטפורמת CONVERGE שלה כדי לגלות תרכובת חדשה, VRG-50635, לטיפול ב-ALS, על ידי ניתוח נקודות נתונים אנושיים. נקודות הנתונים כללו מידע על רקמות המוח והשדרה של חולים עם מחלות ניווניות כגון פארקינסון, ALS ואלצהיימר.

הפלטפורמה זיהתה תחילה את האנזים PIKfyve כמטרה אפשרית ל-ALS, ואז הציעה VRG50635 כמעכב פוטנציאלי של PIKfyve, שהפך למועמד תרופתי פוטנציאלי לטיפול ב-ALS. התהליך לקח סביב 4 שנים, ועכשיו המועמד נמצא בשלב 1 של ניסויים אנושיים.

4) Exscientia-A2a Receptor

Exscientia, חברת MedTech, אחראית למולקולה הראשונה שתוכננה באמצעות AI לטיפול באימונו-אונקולוגיה – סוג של טיפול בסרטן שמשתמש במערכת החיסון של הגוף כדי ללחום בתאי סרטן.

התרופה שלהם נכנסה לשלב ניסויים קליניים בבני אדם. הפוטנציאל שלה טמון ביכולתה לכוון את הקולטן A2a כדי לעודד פעילות אנטי-טומור, תוך הבטחת פחות תופעות לוואי על הגוף והמוח.

באמצעות Generative AI, הם יצרו תרכובות אחרות לכיוון מחלות שונות, כגון:

• Transcriptionally Addicted Cancers על ידי כיוון CDK7 inhibitors
• מחלות דלקתיות על ידי כיוון PKC-theta enzyme
• מחלות המטולוגיה ואונקולוגיה על ידי כיוון LSD1 regulator

5) Absci-נוגדנים דה נובו עם Zero-Shot Generative AI

Absci, חברת גילוי תרופות באמצעות Generative AI, הדגימה את השימוש ב-Zero-Shot Generative AI ליצירת נוגדנים דה נובו דרך סימולציה ממוחשבת. למידת Zero-Shot היא כאשר המודל ה-AI לא אומן במפורש על המידע הנוכחי בשלב האימון. על כן, תהליך זה יכול ליצור עיצובי נוגדנים חדשים באופן עצמאי.

נוגדנים טיפוליים דה נובו, שמונעים על ידי AI, קוצרים את הזמן לפיתוח מועמדי תרופות חדשים מעד 6 שנים ל-18-24 חודשים, ומגדילים את הסיכוי להצלחה בקליניקה. טכנולוגיה של החברה יכולה לבדוק ולאמת 3 מיליון עיצובים שנוצרו על ידי AI בכל שבוע. פיתוח חדש זה יכול לספק תרופות חדשות לכל חולה, מה שיציין שינוי תעשייתי משמעותי.

מהו העתיד של AI וגילוי תרופות?

מלבד יישומים רפואיים אחרים, AI הופך את תהליך גילוי התרופות למהיר וחכם יותר, על ידי ניתוח סטים עצומים של נתונים וחיזוי מטרות ומועמדי תרופות מבטיחים.

דו”ח מצביע על כך שבקרוב, יותר חברות MedTech ישלבו AI ולמידת מכונה (ML) בשלבים הראשונים של גילוי תרופות, מה שיעזור ליצור שוק בן 50 מיליארד דולר בתוך עשור, ויצרו פוטנציאל צמיחה משמעותי של AI בתעשיית התרופות. AI יכול להפחית את עלויות גילוי התרופות, ולהביא תרופות חדשות לחולים מהר יותר.

אם אתה רוצה לדעת יותר על AI וכיצד הוא יעצב את העתיד, בקר ב unite.ai.