AI-gestuurde medische doorbraak: het gebruik van kunstmatige intelligentie voor de ontdekking van nieuwe medicijnen

De ontdekking van medicijnen staat bekend als “van het laboratorium naar het ziekenhuis” vanwege de lange duur en hoge kosten. Het duurt ongeveer 11 tot 16 jaar en tussen $1 miljard en $2 miljard om een medicijn op de markt te brengen. Maar nu is AI het medicijnontwikkelingsproces aan het revolutioneren, waardoor het sneller en winstgevender wordt.

AI in de medicijnontwikkeling heeft onze aanpak en strategie voor biomedisch onderzoek en innovatie veranderd. Het heeft onderzoekers geholpen om de complexiteit van een ziektepad en biologische doelen te verminderen.

Laten we dieper ingaan op wat de toekomst van AI in de medicijnontdekking brengt.

Het begrijpen van de rol van AI: hoe wordt het gebruikt voor de ontdekking van medicijnen?

AI heeft verschillende stadia van het medicijnontwikkelingsproces verbeterd met zijn vermogen om grote hoeveelheden gegevens te analyseren en complexe voorspellingen te doen. Hieronder volgt hoe:

1. Doelidentificatie

Doelidentificatie is het eerste proces van medicijnontdekking, dat het identificeren van mogelijke moleculaire entiteiten zoals eiwitten, enzymen en receptoren in het lichaam omvat, die kunnen combineren met medicijnen om therapeutische effecten tegen ziekten te produceren.

AI kan grote klinische databases gebruiken die informatie over doelidentificatie bevatten. Deze gegevensbronnen kunnen biomedisch onderzoek, biomoleculaire informatie, klinische proefgegevens, eiwitstructuren enzovoort omvatten.

Getrainde AI-modellen, samen met biomedische technieken zoals genexpressie, kunnen complexe biologische ziekten begrijpen en biologische doelen voor medicijnkandidaten identificeren. Zo hebben onderzoekers verschillende AI-technieken ontwikkeld voor de identificatie van nieuwe anticancerdoelen.

2. Doelselectie

AI in de medicijnontdekking kan onderzoekers helpen om veelbelovende doelen te selecteren op basis van hun ziektecorrelaties en voorspelde therapeutische nut. Met sterke patroonherkenning kan AI deze selectie maken op basis van niet alleen medische literatuur, maar ook volledig nieuwe doelen zonder enige eerdere verwijzing in gepubliceerde octrooien.

3. Medicijnprioriteit

In deze fase evalueert AI en rangschikt leidende medicijnverbindingen, waardoor ze prioriteit krijgen voor verdere beoordeling en onderzoek om hun ontwikkeling te bevorderen. In vergelijking met eerdere rangschikkingsmethoden zijn AI-gebaseerde benaderingen effectiever in het identificeren van de meest veelbelovende kandidaten. Zo hebben onderzoekers een Deep Learning-gebaseerd computationeel kader ontwikkeld om nieuwe medicijnen voor de ziekte van Alzheimer te identificeren en prioriteren.

4. Verbindingsscreening

AI-modellen kunnen de chemische eigenschappen en bioactiviteit van verbindingen voorspellen en inzicht geven in ongewenste effecten. Ze kunnen gegevens uit verschillende bronnen analyseren, waaronder eerdere studies en databases, om mogelijke risico’s of bijwerkingen te identificeren die zijn geassocieerd met een bepaalde verbinding. Zo hebben onderzoekers een diepe leerhulpmiddel ontwikkeld om chemische bibliotheken met miljarden moleculen te screenen, waardoor de grootschalige verbindingsexploratie aanzienlijk wordt versneld.

5. De novo medicijnontwerp

Het handmatig screenen van grote collecties verbindingen is een traditionele praktijk in de medicijnontdekking. Met AI kunnen onderzoekers nieuwe verbindingen screenen met of zonder eerdere informatie en ook de uiteindelijke 3D-structuur van de ontdekte medicijnen voorspellen. Zo is AlphaFold, ontwikkeld door DeepMind, een AI-systeem dat eiwitstructuren kan voorspellen. Het bevat een database met meer dan 200 miljoen eiwitstructuurvoorspellingen die het medicijnontwerpproces kunnen versnellen.

5 Succesvolle AI-gebaseerde medicijnontdekkingvoorbeelden

1) Abaucin

Antibiotica doden bacteriën. Maar vanwege het tekort aan nieuwe medicijnen en de snelle evolutie van bacteriële resistentie tegen oude medicijnen, worden bacteriën moeilijk te behandelen. Abaucin, een AI-ontwikkeld experimenteel antibioticum, is ontworpen om Acinetobacter baumannii te doden, een van de gevaarlijkste superbugbacteriën.

Met behulp van AI hebben onderzoekers eerst duizenden medicijnen getest om te zien hoe goed ze werken tegen de bacterie Acinetobacter baumannii. Vervolgens is deze informatie gebruikt om AI te trainen om een medicijn te ontwikkelen dat de bacterie effectief kan behandelen.

2) Target X van Insilico Medicine

Insilico Medicine heeft zijn Generative AI-platform gebruikt en een medicijn genaamd Target X ontwikkeld, dat nu in fase 1 van de klinische proeven zit. Target X is ontworpen om idiopathische longfibrose te behandelen, een ziekte die longstijfheid bij ouderen kan veroorzaken als deze onbehandeld blijft. Fase 1 zal 80 deelnemers omvatten, en de helft zal hogere doses ontvangen. Dit zal helpen bij het evalueren van hoe het medicijnmolecuul met het menselijk lichaam interacteert.

3) VRG50635 van Verge Genomic

Verge Genomics, een AI-medicijnontdekkingbedrijf, heeft zijn AI-platform CONVERGE gebruikt om een nieuw verbinding, VRG-50635, voor de behandeling van ALS te ontdekken door humane gegevenspunten te analyseren. De gegevenspunten omvatten informatie over de hersen- en ruggengraatweefsels van patiënten met neurodegeneratieve ziekten zoals de ziekte van Parkinson, ALS en Alzheimer.

Het platform heeft eerst het PIKfyve-enzym gevonden als een mogelijk doel voor ALS en vervolgens VRG50635 voorgesteld als een veelbelovende remmer van PIKfyve, die een potentieel medicijnkandidaat voor de behandeling van ALS werd. Het proces duurde ongeveer vier jaar, en nu is de kandidaat in fase 1 van de humane proeven.

4) Exscientia-A2a Receptor

Exscientia, een AI-MedTech-bedrijf, is verantwoordelijk voor het eerste AI-ontworpen molecuul voor immuun-oncologische behandeling – een vorm van kankerbehandeling die het immuunsysteem van het lichaam gebruikt om kankercellen te bestrijden. Hun AI-medicijn is ingevoerd in de humane klinische proevenfase. De potentie ervan ligt in zijn vermogen om de A2a-receptor te richten om anti-tumoreffecten te bevorderen, terwijl het minder bijwerkingen op het lichaam en de hersenen veroorzaakt.

Met behulp van Generative AI hebben ze enkele andere verbindingen ontwikkeld voor het richten van verschillende ziekten, zoals

• Transcriptioneel verslaafde kankers door CDK7-remmers te richten
• Ontstekingsziekten door PKC-theta-enzym te richten
• Hematologie- en oncologieziekten door LSD1-regulator te richten

5) Absci-de novo antilichamen met Zero-Shot Generative AI

Absci, een Generative AI-medicijnontdekkingbedrijf, heeft het gebruik van zero-shot generative AI gedemonstreerd om de novo antilichamen via computersimulatie te creëren. Zero-shot learning betekent dat het AI-model niet expliciet is getest op de huidige invoergegevens tijdens de trainingsfase. Hierdoor kan dit proces nieuwe antilichaamontwerpen op zichzelf creëren.

De novo therapeutische antilichamen, aangedreven door AI, verkorten de tijd die nodig is om nieuwe medicijnleiders te ontwikkelen van maximaal zes jaar tot slechts 18 tot 24 maanden, waardoor de kans op succes in de kliniek toeneemt. Het bedrijf kan 3 miljoen AI-gegenereerde ontwerpen per week testen en valideren. Deze nieuwe ontwikkeling kan onmiddellijk nieuwe therapeutica aan elke patiënt leveren, wat een significante industriële verandering markeert.

Wat houdt de toekomst van AI en medicijnontdekking in?

Naast vele andere gezondheidszorgtoepassingen maakt AI het medicijnontdekkingproces sneller en slimmer door het analyseren van grote gegevensverzamelingen en het voorspellen van veelbelovende medicijnkandidaten. Met behulp van generatieve AI kunnen biotechbedrijven patiëntresponsmarkers identificeren en persoonlijke behandelingsplannen snel ontwikkelen.

Een rapport suggereert dat binnenkort meer MedTech-bedrijven AI en ML zullen integreren in de vroege fase van medicijnontdekking, waardoor een markt van $50 miljard kan worden gecreëerd in de komende tien jaar, wat een aanzienlijk groeipotentieel voor AI in de farmaceutische industrie betekent. AI kan de totale medicijnontdekkingkosten potentieel verlagen, waardoor meer nieuwe medicijnen sneller beschikbaar komen voor patiënten.

Als u meer wilt weten over AI en hoe het onze toekomst zal vormen, bezoek dan unite.ai.