AIを用いて線維症に効果的な薬分子を作成

新しい医薬品の創出は、数年間の研究と数十億ドルの費用を必要とする複雑なプロセスである。しかし、人々の健康のためには重要な投資である。Insilico Medicineというスタートアップの最近の研究が進むと、人工知能は新薬の発見を容易にし、著しく迅速化する可能性がある。 SingularityHubの報告によると、このAIスタートアップは最近、線維症と戦うことができる分子を設計するためにAIを利用した。

新しい分子の発見プロセスは複雑で時間がかかるため、科学者やエンジニアは常にそのプロセスを迅速化する方法を探している。コンピューターを用いて新薬を発見するという概念は新しくないが、進歩は遅れ、エンジニアは薬剤創出のための適切なアルゴリズムを見つけるのに苦労している。

ディープラーニングは、AI駆動の薬剤発見をより実現可能にし、製薬会社は過去数年間でAIスタートアップに多額の投資を行っている。ある会社は、線維症と戦うことができる分子を設計するためにAIを用いて、46日間で治療薬に似た分子を設計することができた。Insilco Medicineは、強化学習と生成対抗ネットワーク（GANs）という2つの異なるディープラーニング技術を組み合わせてこの結果を達成した。

強化学習は、ネットワークに特定の反応を引き出すフィードバックを提供することで、機械学習モデルが特定の決定を下すことを促す、機械学習方法である。モデルは、望ましくない選択を行うと罰せられ、望ましい選択を行うと報奨される。負の強化と正の強化の両方を組み合わせることで、モデルは望ましい決定を下すよう導かれ、罰を最小限に抑え、報奨を最大化する決定を下すようになる。

一方、生成対抗ネットワークは、「対抗的」であるため、2つの異なるニューラルネットワークが互いに対立する。2つのネットワークは、トレーニングのためにオブジェクトの例を与えられることが多い。1つのネットワークの仕事は、偽物のオブジェクトを作成することである。偽物のオブジェクトは、本当の物と見分けがつかないほど本物に似ている。2つ目のネットワークの仕事は、偽物のオブジェクトを検出することである。2つのネットワークは互いに上回ろうとし、互いのパフォーマンスを向上させて相手のネットワークを上回ろうとする仮想的な軍拡競争が行われる。

強化学習とGANsの両方のアルゴリズムを組み合わせることで、研究者はモデルに既存の治療薬に非常に似た新しい薬分子を生成させることができた。

Insilico MedicineのAI薬剤発見の実験の結果は、最近、Nature Biotechnology誌に掲載された。論文では、ディープラーニングモデルがどのようにトレーニングされたかが説明されている。研究者は、既存の薬で使用されている分子の表現を、特発性肺線維症またはIPFに関与するタンパク質を扱うために使用した。これらの分子はトレーニングの基礎として使用され、組み合わせたモデルは約30,000の可能な薬分子を生成することができた。

研究者は、30,000の候補分子の中から最も有望な6つの分子をラボテストのために選択した。これらの6つの最終候補は、実験室で合成され、IPFタンパク質を標的とする能力を追跡する一連のテストに使用された。特に1つの分子は、望ましい結果を示し、医薬品として望ましい結果を示した。

重要なことは、実験で対象となった線維症薬はすでに広く研究されており、多くの有効な薬がすでに存在することである。研究者はこれらの薬を参照でき、研究チームにはモデルをトレーニングするための大量のデータが存在した。ただし、他の多くの疾患では、このようなデータが存在しないため、治療法の開発には大きなギャップが存在する。

別の重要な事実は、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、モデルによって生成される分子は、臨床試験に使用する前に多くの調整と最適化が必要であるということである。

Wiredによると、Insilico MedicineのCEO、アレックス・ザルボルノコフは、AI駆動の薬剤はまだ実用化には準備ができていないと述べている。現在の研究は、AIシステムの支援を受けて薬剤をどのくらいの速さで設計できるかを確認することを目的としたものであった。しかし、ザボルノコフは、研究者が通常の薬剤発見方法を使用した場合よりもはるかに速く、有望な分子を設計することができたと述べている。

これらの注意書きにもかかわらず、Insilico Medicineの研究は、AIを用いて新しい薬剤を作成することにおける著しい進歩を表している。研究で使用された技術の洗練は、新しい薬剤の開発に必要な時間を大幅に短縮する可能性がある。これは、抗生物質耐性菌が増加し、多くの以前有効だった薬剤が効果を失っている時代に特に役立つことになる。