AI משמשת ליצירת מולקולת תרופה שיכולה להילחם בפיברוזיס

יצירת תרופות רפואיות חדשות היא תהליך מורכב שיכול לקחת שנים של מחקר ומיליארדי דולרים. עם זאת, זהו השקעה חשובה לבריאות האנשים. בינתיים, מוחמד מלאכותי יכול להקל על גילוי תרופות חדשות ולהאיץ אותו באופן משמעותי, אם עבודתה של חברת הסטארט-אפ Insilico Medicine תמשיך להתקדם. כפי שדווח על ידי SingularityHub, הסטארט-אפ המוחמד משמשת זה עתה לעיצוב מולקולה שיכולה להילחם בפיברוזיס.

כיצד תהליך גילוי מולקולות חדשות לתרופה מורכב וארוך, מדענים ומהנדסים מחפשים תמיד דרכים לזרז אותו. הרעיון של שימוש במחשבים כדי לעזור בגילוי תרופות חדשות אינו חדש, שכן המושג קיים כבר עשרות שנים. עם זאת, התקדמות בנושא זה הייתה איטית, ומהנדסים מתקשים למצוא אלגוריתמים מתאימים ליצירת תרופות.

למידה עמוקה החלה להפוך את גילוי התרופות המונע על ידי מוחמד ליותר בר-קיימא, עם חברות תרופות המשקיעות כבדות בסטארט-אפים של מוחמד במהלך השנים האחרונות. חברה אחת הצליחה להשתמש במוחמד כדי לעיצוב מולקולה שיכולה להילחם בפיברוזיס, תוך 46 ימים בלבד. Insilco Medicine שילבה שתי טכניקות למידה עמוקה שונות כדי להשיג תוצאה זו: למידת חיזוק ורשתות יריבות יוצרות (GANs).

למידת חיזוק היא שיטת למידת מכונה שעודדת את המודל המוחמדי לקבל החלטות מסוימות על ידי מתן משוב לרשת שגורם לתגובות מסוימות. המודל יכול להיענש על החלטות לא רצויות או לקבל פרס על החלטות רצויות. על ידי שימוש בשילוב של חיזוק שלילי וחיובי, המודל מונחה לקבל החלטות רצויות, והוא ינטה לקבל החלטות שמפחיתות עונש וממקסמות פרס.

בינתיים, רשתות יריבות יוצרות הן “יריבות” מכיוון שהן כוללות שתי רשתות נוירונים שניצבות זו מול זו. שתי הרשתות מקבלות דוגמאות של אובייקטים לאימון, לעיתים קרובות תמונות. עבודתה של הרשת האחת היא ליצור אובייקט מזויף, משהו דומה מספיק לאובייקט האמיתי שיכול להיבלבל עם המקור. עבודתה של הרשת השנייה היא לגלות אובייקטים מזויפים. שתי הרשתות מנסות לעלות על הרשת השנייה, וכאשר שתיהן משפרות את ביצועיהן כדי לעלות על הרשת השנייה, מתפתחת “מרוץ חימוש” וירטואלי שגורם למודל המזויף לייצר אובייקטים שכמעט בלתי ניתנים להבחנה מהדבר האמיתי.

על ידי שילוב שתי טכניקות, למידת חיזוק ורשתות יריבות יוצרות, החוקרים הצליחו להשיג מודלים שמייצרים מולקולות תרופה חדשות מאוד דומות לתרופות טיפוליות קיימות.

תוצאות הניסויים של Insilico Medicine עם גילוי תרופות מונע על ידי מוחמד פורסמו לאחרונה בכתב העת Nature Biotechnology. במאמר, החוקרים דנים באופן שבו המודלים המוחמדיים הוכשרו. החוקרים לקחו ייצוגים של מולקולות שכבר משמשות בתרופות לטיפול בחלבונים המעורבים בפיברוזיס ריאתית אידיופתית או IPF. מולקולות אלו שימשו כבסיס לאימון, והמודלים המשולבים הצליחו לייצר כ-30,000 מולקולות תרופה אפשריות.

החוקרים אז סיננו את 30,000 המולקולות המועמדות ובחרו את שש המולקולות המבטיחות ביותר לבדיקות מעבדה. שש הפיינליסטים סונתזו במעבדה ושימשו בסדרת בדיקות שעקבו אחר יכולתן לכוון את חלבון ה-IPF. מולקולה אחת, בפרט, נראתה מבטיחה, שכן היא סיפקה את התוצאות הרצויות בתרופה רפואית.

חשוב לציין כי התרופה נגד פיברוזיס שנועדה בניסוי כבר חוקרה בהרחבה, עם תרופות יעילות רבות שכבר קיימות עבורה. החוקרים יכלו להיעזר בתרופות אלו, וזה נתן לצוות המחקר יתרון, שכן היה להם מידע רב לאימון המודלים. זה לא נכון עבור מחלות רבות אחרות, ותוצאה של כך היא פער גדול יותר לסגור.

עובדה חשובה נוספת היא כי מודל הפיתוח התרופתי הנוכחי של החברה עוסק רק בתהליך הגילוי הראשוני, וכי המולקולות שנוצרו על ידי המודל עדיין ידרשו הרבה תיקונים ואופטימיזציה לפני שהמולקולות יוכלו לשמש לניסויים קליניים.

על פי Wired, מנכ”ל Insilico Medicine, אלכס ז’ארבורנוקוב, מודה כי תרופת המוחמד שלה אינה מוכנה לשימוש, וכי המחקר הנוכחי הוא רק הוכחת קונספט. מטרת הניסוי הייתה לראות כמה מהר ניתן לעיצב תרופה עם סיוע מערכות מוחמד. עם זאת, ז’ארבורנוקוב מציין כי החוקרים הצליחו לעיצב מולקולה פוטנציאלית שימושית הרבה יותר מהר מאשר אם היו משתמשים בשיטות גילוי תרופות רגילות.

למרות האזהרות, מחקרה של Insilico Medicine עדיין מייצג התקדמות משמעותית בשימוש במוחמד ליצירת תרופות חדשות. שיפור הטכניקות ששימשו במחקר יכול ל