ヘルスケア

線維症と戦う薬剤分子の作成に AI が使用される

更新中 on 2022 年 12 月 9 日

新しい医療薬の開発は、何年にもわたる研究と数十億ドルを要する複雑なプロセスです。しかし、それは人々の健康のために行う重要な投資でもあります。新興企業 Insilico Medicine の最近の研究が進歩し続ければ、人工知能によって新薬の発見がより簡単かつ大幅に迅速化される可能性があります。 SingularityHub によるレポート、AI スタートアップ企業は最近 AI を利用して、線維症と戦うことができる分子を設計しました。

医薬品の新しい分子を発見するプロセスがいかに複雑で時間がかかるかを考えると、科学者や技術者はそれを迅速化する方法を常に模索しています。新薬の発見にコンピューターを使用するというアイデアは、何十年も前から存在しており、新しいものではありません。しかし、この面での進歩は遅く、技術者たちは医薬品作成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ます。

ディープラーニングはAI主導の創薬をより実現可能にし始めており、製薬会社は過去数年にわたってAIスタートアップに多額の投資を行っている。ある企業は、AI を利用して線維症と闘える分子を設計することに成功し、治療薬に似た分子を思いつくのにわずか 46 日しかかかりませんでした。 Insilco Medicine は、強化学習と敵対的生成ネットワーク (GAN) という XNUMX つの異なる深層学習技術を組み合わせてこの結果を達成しました。

強化学習特定の応答を引き出すフィードバックをネットワークに提供することで、機械学習モデルが特定の決定を下すように促す機械学習方法です。モデルは、望ましくない選択をした場合に罰せられたり、望ましい選択をした場合に報酬を与えられたりする可能性があります。負の強化と正の強化の両方を組み合わせて使用することで、モデルは望ましい決定を下す方向に導かれ、罰を最小限に抑え、報酬を最大化する決定を下す傾向にあります。

一方、生成的な敵対的ネットワークこれらは互いに対立する XNUMX つの異なるニューラルネットワークで構成されているため、「敵対的」です。 XNUMX つのネットワークには、トレーニング対象のオブジェクト (多くの場合画像) の例が与えられています。あるネットワークの仕事は、本物と混同できるほど本物とよく似た偽物のオブジェクトを作成することです。 XNUMX 番目のネットワークの仕事は、偽造品を検出することです。 XNUMX つのネットワークは他のネットワークのパフォーマンスを上回ろうとし、両方とも他のネットワークを克服するためにパフォーマンスを向上させているため、この仮想軍拡競争により、偽造モデルは本物とほとんど区別できないオブジェクトを生成します。

GANS と強化学習アルゴリズムの両方を組み合わせることで、研究者らはモデルに既存の治療薬と非常によく似た新しい薬剤分子を生成させることができました。

Insilico Medicine の AI 創薬実験の結果は、最近 Nature Biotechnology 誌に掲載されました。論文の中で研究者らは、深層学習モデルがどのようにトレーニングされたかについて議論しています。研究者らは、特発性肺線維症 (IPF) に関与するタンパク質を処理するために、すでに医薬品に使用されている分子を表現しました。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により約 30,000 個の可能な薬物分子を生成することができました。

その後、研究者らは 30000 個の候補分子を分類し、臨床検査用に最も有望な XNUMX 個の分子を選択しました。これら XNUMX つの最終候補は研究室で合成され、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で使用されました。特にある分子は、医薬品に求められるような結果をもたらしたので、有望に思えた。

実験の対象となった線維症治療薬はすでに広範囲に研究されており、効果的な薬剤がすでに複数存在していることに注意することが重要だ。研究者はこれらの薬剤を参照することができ、モデルをトレーニングするための大量のデータを得ることができたので、研究チームは有利になりました。これは他の多くの病気には当てはまらず、その結果、これらの治療法を埋めるにはさらに大きなギャップが存在します。

もう XNUMX つの重要な事実は、同社の現在の医薬品開発モデルは初期発見プロセスのみを扱っており、そのモデルによって生成された分子が臨床試験に使用される可能性がある前に、依然として多くの調整と最適化が必要であるということです。

ワイヤードによると, Insilico Medicine の CEO、Alex Zharvornokov 氏は、同社の AI を活用した医薬品が現場で使用できる段階には達しておらず、現在の研究は単なる概念実証に過ぎないと認めています。この実験の目的は、AI システムの助けを借りてどれだけ早く薬を設計できるかを確認することでした。しかし、ザヴォルノコフ氏は、研究者らは通常の創薬手法を使用した場合よりもはるかに速く、潜在的に有用な分子を設計できたと指摘している。

警告にもかかわらず、Insilico Medicine の研究は、新薬の作成における AI の使用において注目すべき進歩を示しています。研究で使用される技術を改良すれば、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る。これは、抗生物質耐性菌が増殖し、これまで有効だった多くの薬が効力を失っている時代に特に役立つ可能性がある。