AIを用いて線維症に対する新薬分子を作成

新薬の開発は、数年間の研究と数十億ドルの投資を必要とする複雑なプロセスです。しかし、人々の健康のために重要な投資です。最近、スタートアップのInsilico Medicineが行った研究により、人工知能（AI）が新薬の発見を容易にし、迅速化できる可能性が示唆されています。SingularityHubによると、このAIスタートアップは最近、線維症に対する新薬分子を設計しました。

新薬の発見は複雑で時間がかかるプロセスなので、科学者やエンジニアはこのプロセスを迅速化する方法を探しています。コンピューターを使用して新薬を発見するという概念は新しくなく、数十年前から存在しています。しかし、この分野の進歩は遅く、エンジニアは新薬の作成に適したアルゴリズムを見つけるのに苦労しています。

ディープラーニングにより、AIを用いた新薬の発見がより実現可能になりました。最近の数年間で、製薬会社はAIスタートアップに大量の投資を行っています。一つの会社は、線維症に対する新薬分子を設計することに成功しました。Insilco Medicineは、2つのディープラーニング技術、強化学習と生成対抗ネットワーク（GANs）を組み合わせて、この結果を達成しました。

強化学習は、機械学習モデルが特定の決定を下すように促す手法です。ネットワークにフィードバックを提供して、特定の反応を引き出します。モデルは、望ましくない選択をした場合に罰則を受け、望ましい選択をした場合に報奨を受けます。強化学習では、モデルは報奨を最大化し、罰則を最小化する決定を下すように導かれます。

一方、生成対抗ネットワークは、2つの異なるニューラルネットワークが対抗関係にあります。2つのネットワークは、画像などのオブジェクトの例を学習に使用します。1つのネットワークは、偽物のオブジェクトを作成する役割を持ちます。もう1つのネットワークは、偽物のオブジェクトを検出する役割を持ちます。2つのネットワークは、互いに勝とうとし、性能を向上させようとします。生成対抗ネットワークは、偽物のオブジェクトを生成し、実物と区別がつかないほどリアルなものを作成します。

Insilico Medicineの研究者は、GANsと強化学習アルゴリズムを組み合わせて、既存の治療薬に非常に似た新薬分子を生成することに成功しました。

Insilico MedicineのAIを用いた新薬発見の実験結果は、最近、Nature Biotechnology誌に掲載されました。研究者は、ディープラーニングモデルをどのように訓練したかについて説明しています。研究者は、既存の治療薬の分子を使用して、線維症に関与するタンパク質を扱うために訓練しました。組み合わせたモデルは、約30,000の可能な新薬分子を生成しました。

研究者は、30,000の候補分子から最も有望な6つの分子を選び出し、実験室で合成して、線維症タンパク質を標的とする能力をテストしました。1つの分子が特に有望で、望ましい結果を示しました。

重要な点は、線維症に対する既存の治療薬がすでに多数存在し、研究者がこれらの薬を参考にできることです。これにより、研究チームは大量のデータを使用してモデルを訓練できました。しかし、他の多くの疾患については、まだ大きなギャップがあります。

また、会社の現在の薬剤開発モデルは、初期の発見プロセスのみを扱い、生成された分子は、臨床試験に使用する前に、多くの改良と最適化が必要です。

Wiredによると、Insilico MedicineのCEO、アレックス・ザルボルノコフは、AIを用いた新薬はまだ実用化には至っていないと述べています。現在の研究は、AIシステムを使用して新薬をどのくらいの速さで設計できるかを示すものでした。しかし、ザルボルノコフは、研究者が通常の新薬発見方法を使用した場合よりもはるかに速く、有望な分子を設計できたと述べています。

これらの注意点にもかかわらず、Insilico Medicineの研究は、AIを用いた新薬の開発における重要な進歩を示しています。研究で使用された技術の改良により、新薬の開発に必要な時間を大幅に短縮できる可能性があります。これは、抗生物質耐性菌が増加し、以前は有効だった多くの薬が効果を失っている時代に特に役立つことになります。