Dirbtinio intelekto panaudojimas ieškant naujų vaistų

Narkotikų atradimas yra žinomas kaip „nuo suolo iki lovos“ dėl savo ilgos trukmės ir didelių sąnaudų. Tai trunka apie 11–16 metų ir tarp jų Nuo 1 iki 2 milijardų dolerių pateikti narkotiką į rinką. Tačiau dabar AI daro revoliuciją vaistų kūrime, užtikrindamas geresnį tempą ir pelningumą.

AI kuriant vaistus pakeitė mūsų požiūrį ir strategiją į biomedicininius tyrimus ir inovacijas. Tai padėjo tyrėjams sumažinti ligos kelio sudėtingumą ir nustatyti biologinius tikslus.

Pažvelkime giliau į tai, koks potencialus AI narkotikų atradimo srityje turi ateičiai.

AI vaidmens supratimas: kaip jis naudojamas ieškant narkotikų?

Dirbtinis intelektas pagerino skirtingus vaistų atradimo proceso etapus, nes gali analizuoti daugybę duomenų ir daryti sudėtingas prognozes. Štai kaip:

1. Tikslo identifikavimas

Tikslo identifikavimas yra pirmasis vaistų atradimo procesas, kurio metu nustatomi galimi molekuliniai subjektai, tokie kaip baltymai, fermentai ir organizme esantys receptoriai, kuriuos galima derinti su vaistais, kad būtų sukurtas terapinis poveikis nuo ligų.

AI gali panaudoti dideles klinikines duomenų bazes, kuriose yra pagrindinė informacija apie taikinio identifikavimą. Šie duomenų šaltiniai gali apimti biomedicininius tyrimus, biomolekulinę informaciją, klinikinių tyrimų duomenis, baltymų struktūras ir kt.

Apmokyti AI modeliai kartu su biomedicinos metodais, tokiais kaip genų ekspresija, gali suprasti sudėtingas biologines ligas ir nustatyti vaistų kandidatų biologinius taikinius. Pavyzdžiui, mokslininkai sukūrė įvairius AI metodus naujų priešvėžinių taikinių nustatymas.

2. Tikslo pasirinkimas

AI narkotikų atradimo srityje gali padėti tyrėjams pasirinkti daug žadančius tikslus pagal jų ligų koreliaciją ir numatomą terapinį naudingumą. Turėdamas stiprų modelio atpažinimą, dirbtinis intelektas gali pasirinkti ne tik deklaruotą medicininę literatūrą, bet ir visiškai naujus taikinius be išankstinės nuorodos paskelbtuose patentuose.

3. Narkotikų prioritetų nustatymas

Šiame etape dirbtinis intelektas įvertina ir vertina švino vaistų junginius, suteikdamas jiems pirmenybę tolesniam vertinimui ir tyrimams, siekiant pagerinti jų kūrimą. Palyginti su ankstesniais reitingavimo metodais, dirbtinio intelekto metodai yra veiksmingesni nustatant perspektyviausius kandidatus. Pavyzdžiui, mokslininkai sukūrė a Giluminiu mokymusi pagrįsta skaičiavimo sistema nustatyti naujus vaistus nuo Alzheimerio ligos ir suteikti jiems pirmenybę.

4. Sudėtinių atranka

AI modeliai gali numatyti junginių chemines savybes ir biologinį aktyvumą bei suteikti įžvalgų apie neigiamą poveikį. Jie gali analizuoti duomenis iš įvairių šaltinių, įskaitant ankstesnius tyrimus ir duomenų bazes, kad nustatytų bet kokią galimą riziką ar šalutinį poveikį, susijusį su konkrečiu junginiu. Pavyzdžiui, mokslininkai sukūrė giluminio mokymosi priemonė, skirta cheminių bibliotekų peržiūrai su milijardais molekulių, kad žymiai paspartintų didelio masto junginių tyrinėjimą.

5. De Novo vaistų dizainas

Didelių junginių kolekcijų rankinis patikrinimas buvo tradicinė narkotikų atradimo praktika. Naudodami AI, mokslininkai gali patikrinti naujus junginius su išankstine informacija arba be jos, taip pat numatyti galutinę atrastų vaistų 3D struktūrą. Pavyzdžiui, „AlfaFold“, sukurta DeepMind, yra AI sistema, galinti numatyti baltymų struktūras. Ji palaiko daugiau nei 200 milijonų baltymų struktūros prognozių duomenų bazę, kuri gali pagreitinti vaistų kūrimo procesą.

5 sėkmingų dirbtiniu intelektu pagrįstų vaistų atradimo pavyzdžiai

1) Abaucinas

Antibiotikai naikina bakterijas. Tačiau dėl naujų vaistų trūkumo ir sparčios bakterijų atsparumo senesniems vaistams vystymosi, bakterijas sunku gydyti. Abaucinas, dirbtinio intelekto sukurtas stiprus eksperimentinis antibiotikas, skirtas naikinti Acinetobacter baumannii, vieną pavojingiausių superbug bakterijos.

Naudodami dirbtinį intelektą, mokslininkai pirmiausia išbandė tūkstančius vaistų, siekdami išsiaiškinti, kaip gerai jie veikia prieš bakteriją Acinetobacter baumannii. Tada ši informacija buvo naudojama mokant AI sukurti vaistą, kuris galėtų veiksmingai jį gydyti.

2) „Insilico Medicine“ taikinys X

Insilico medicina naudojo jį Generatyvinis AI platformą ir sukūrė vaistą, pavadintą Target X, dabar jau 1 fazės klinikiniuose tyrimuose. Tikslas X skirtas gydyti Idiopatinė plaučių fibrozė, liga, kuri negydoma gali sukelti plaučių sustingimą vyresnio amžiaus žmonėms. 1 etape dalyvaus 80 dalyvių, o pusė gaus didesnes dozes palaipsniui. Tai padės įvertinti, kaip vaisto molekulė sąveikauja su žmogaus kūnu.

3) „Verge Genomic“ VRG50635

Krašto genomikaAI vaistų atradimo įmonė, naudodama savo AI platformą CONVERGE, atrado naują junginį VRG-50635, skirtą ALS gydyti, analizuodama žmonių duomenų taškus. Duomenų taškai apėmė informaciją apie pacientų, sergančių neurodegeneracinėmis ligomis, tokiomis kaip Parkinsono, ALS ir Alzheimerio liga, smegenų ir stuburo audinius.

Pirmiausia platforma nustatė PIKfyve fermentą kaip galimą ALS taikinį, o tada pasiūlė VRG50635 kaip perspektyvus PIKfyve inhibitorius, kuris tapo potencialiu vaistu ALS gydyti. Procesas užtruko maždaug ketverius metus, o dabar kandidatas yra 1-ame žmogaus bandymų etape.

4) Exscientia-A2a receptorius

excientiaAI MedTech įmonė yra atsakinga už pirmąją AI sukurtą molekulę, skirtą imuno-onkologijos gydymui – vėžio gydymo formą, kuri naudoja organizmo imuninę sistemą kovai su vėžinėmis ląstelėmis. Jų AI vaistas pateko į klinikinių tyrimų su žmonėmis fazę. Jo potencialas slypi gebėjime nukreipti į A2a receptorius skatinti priešnavikinį aktyvumą, tuo pačiu užtikrinant mažiau šalutinio poveikio organizmui ir smegenims.

Naudojant Generatyvinis AI, jie sukūrė keletą kiti junginiai skirtas gydyti įvairias ligas, pvz

• Nuo transkripcijos priklausomi vėžiai taikant CDK7 inhibitoriai
• Uždegiminės ligos taikant PKC-teta fermentas
• Hematologijos ir onkologijos ligos pagal taikymą LSD1 reguliatorius

5) Absci-de Novo antikūnai su „Zero-Shot Generative AI“.

Absc, Generatyvinis AI Vaistų atradimų kompanija pademonstravo, kad naudoja nulinį generatyvųjį dirbtinį intelektą, kad sukurtų de novo antikūnus per kompiuterinį modeliavimą. Nulinis mokymasis reiškia, kad AI modelis nebuvo aiškiai išbandytas pagal dabartinę įvesties informaciją mokymo etape. Taigi šis procesas gali sukurti naujus antikūnų dizainus.

De novo terapiniai antikūnai, maitinami dirbtinio intelekto, sutrumpina laiką, kurio reikia naujoms vaistų rūšims sukurti, nuo šešerių metų iki 18–24 mėnesių, todėl padidėja jų sėkmės klinikoje tikimybė. Bendrovės technologija kiekvieną savaitę gali išbandyti ir patvirtinti 3 milijonus dirbtinio intelekto sukurtų dizainų. Ši nauja plėtra gali akimirksniu pateikti naujus gydymo būdus kiekvienam pacientui, o tai žymi reikšmingus pramonės pokyčius.

Kokia AI ir narkotikų atradimo ateitis?

Be daugelio kitos sveikatos priežiūros programosAI daro vaistų atradimo procesą greitesnį ir išmanesnį, analizuodamas didžiulius duomenų rinkinius ir numatydamas perspektyvius narkotikų tikslus ir kandidatus. Naudodamos generatyvųjį AI, biotechnologijų įmonės gali nustatyti paciento atsako žymenis ir kurti individualizuoti gydymo planai greitai.

Ataskaitoje teigiama, kad netrukus bus įtraukta daugiau MedTech įmonių AI ir ML į ankstyvosios stadijos vaistų atradimą, kuris padės sukurti a 50 milijardų dolerių rinka per ateinančius dešimt metų sukurs didelį AI augimo potencialą farmacijos srityje. AI gali sumažinti bendras vaistų atradimo išlaidas, todėl pacientams bus greičiau prieinama daugiau naujų vaistų.

Jei norite sužinoti daugiau apie AI ir kaip jis paveiks mūsų ateitį, apsilankykite vienytis.ai.