Przełom w medycynie napędzany przez sztuczną inteligencję: wykorzystanie AI do odkrywania nowych leków

Odkrywanie leków jest znane jako “od ławki do łóżka” ze względu na jego długotrwałość i wysokie koszty. Trwa około 11 do 16 lat i między 1 miliardem a 2 miliardami dolarów, aby wprowadzić lek na rynek. Ale teraz AI rewolucjonizuje rozwój leków, zapewniając lepszy tempa i rentowność.

AI w rozwoju leków zmienił nasze podejście i strategię wobec badań biomedycznych i innowacji. Pomógł badaczom zredukować złożoność ścieżki choroby i zidentyfikować cele biologiczne.

Zobaczmy głębiej, co potencjalnie AI w odkrywaniu leków może zapewnić w przyszłości.

Poznaj rolę AI: Jak jest wykorzystywana w odkrywaniu leków?

AI poprawił różne etapy procesu odkrywania leków dzięki swojej zdolności do analizy ogromnych ilości danych i robienia skomplikowanych przewidywań. Oto jak:

1. Identyfikacja celu

Identyfikacja celu jest pierwszym procesem odkrywania leków, który obejmuje identyfikację możliwych jednostek molekularnych, takich jak białka, enzymy i receptory, obecnych w organizmie, które mogą łączyć się z lekami, aby wywołać efekt terapeutyczny przeciwko chorobom.

AI może wykorzystywać duże bazy danych klinicznych, które zawierają kluczowe informacje o identyfikacji celu. Te źródła danych mogą obejmować badania biomedyczne, informacje biomolekularne, dane z badań klinicznych, struktury białek itp.

Wytrenowane modele AI wraz z technikami biomedycznymi, takimi jak ekspresja genów, mogą zrozumieć złożone choroby biologiczne i zidentyfikować cele biologiczne dla kandydatów na leki. Na przykład, badacze opracowali różne techniki AI do identyfikacji nowych celów przeciwnowotworowych.

2. Wybór celu

AI w odkrywaniu leków może pomóc badaczom wybrać obiecujące cele na podstawie ich korelacji z chorobami i przewidywanej użyteczności terapeutycznej. Z silną rozpoznawalnością wzorców, AI może dokonać tego wyboru nie tylko na podstawie deklarowanej literatury medycznej, ale również wybrać całkowicie nowe cele bez żadnej wcześniejszej wzmianki w opublikowanych patentach.

3. Priorytetyzacja leków

Na tym etapie AI ocenia i klasyfikuje związki leków, priorytetyzując je do dalszej oceny i badań w celu rozwoju. W porównaniu z poprzednimi technikami klasyfikacji, podejścia oparte na AI są bardziej skuteczne w identyfikowaniu najbardziej obiecujących kandydatów. Na przykład, badacze opracowali ramę komputacyjną opartą na głębokim uczeniu w celu identyfikacji i priorytetyzacji nowych leków dla choroby Alzheimera.

4. Przesiewowe badanie związków

Modele AI mogą przewidywać właściwości chemiczne i bioaktywność związków oraz zapewniać informacje o niepożądanych efektach. Mogą analizować dane z różnych źródeł, w tym z poprzednich badań i baz danych, w celu identyfikacji potencjalnych ryzyk lub skutków ubocznych związanych z danym związkiem. Na przykład, badacze opracowali narzędzie głębokiego uczenia do przesiewowego badania bibliotek chemicznych z miliardami molekuł, aby znacznie przyspieszyć dużą skalę eksploracji związków.

5. De novo projektowanie leków

Ręczne przesiewowe badanie dużych kolekcji związków było tradycyjną praktyką w odkrywaniu leków. Z AI, badacze mogą przesiewowo badać nowe związki z lub bez wcześniejszej wiedzy oraz przewidywać ostateczną strukturę 3D odkrytych leków. Na przykład, AlphaFold, opracowany przez DeepMind, to system AI, który może przewidywać struktury białek. Zachowuje bazę danych ponad 200 milionów przewidywań struktur białek, co może przyspieszyć proces projektowania leków.

5 udanych przykładów odkrywania leków z użyciem AI

1) Abaucin

Antybiotyki zabijają bakterie. Ale ze względu na brak nowych leków i szybką ewolucję oporności bakterii na starsze leki, bakterie stają się coraz trudniejsze do leczenia. Abaucin, silny eksperymentalny antybiotyk opracowany z użyciem AI, jest zaprojektowany do zabijania Acinetobacter baumannii, jednej z najbardziej niebezpiecznych superbakterii.

Z użyciem AI, badacze najpierw przetestowali tysiące leków, aby zobaczyć, jak dobrze działają one przeciwko bakterii Acinetobacter baumannii. Następnie tę informację wykorzystano do trenowania AI, aby stworzyć lek, który może skutecznie leczyć tę bakterię.

2) Target X firmy Insilico Medicine

Insilico Medicine wykorzystała swoją platformę Generative AI i stworzyła lek o nazwie Target X, który jest obecnie w fazie 1 badań klinicznych. Target X jest zaprojektowany do leczenia idiopatycznej włóknienia płuc, choroby, która może powodować sztywność płuc u osób starszych, jeśli nie jest leczona. Faza 1 będzie obejmowała 80 uczestników, a połowa otrzyma wyższe dawki stopniowo. To pomoże ocenić, jak cząsteczka leku oddziałuje z organizmem ludzkim.

3) VRG50635 firmy Verge Genomic

Verge Genomics, firma zajmująca się odkrywaniem leków z użyciem AI, wykorzystała swoją platformę CONVERGE do odkrycia nowego związku, VRG-50635, do leczenia ALS, analizując punkty danych ludzkich. Punkty danych obejmowały informacje o tkankach mózgu i rdzenia kręgowego pacjentów z chorobami neurodegeneratywnymi, takimi jak Parkinson, ALS i Alzheimer.

Platforma najpierw zidentyfikowała enzym PIKfyve jako potencjalny cel dla ALS, a następnie zasugerowała VRG50635 jako obiecujący inhibitor PIKfyve, który stał się potencjalnym kandydatem na lek do leczenia ALS. Proces ten trwał około czterech lat, a teraz kandydat jest w fazie 1 badań klinicznych u ludzi.

4) Exscientia-A2a Receptor

Exscientia, firma MedTech zajmująca się AI, jest odpowiedzialna za pierwszą cząsteczkę zaprojektowaną z użyciem AI do leczenia immuno-onkologicznego – rodzaju leczenia raka, który wykorzystuje układ immunologiczny organizmu do walki z komórkami nowotworowymi. Ich lek AI wszedł do fazy badań klinicznych u ludzi. Jego potencjał leży w jego zdolności do celowania w receptor A2a w celu promowania działania przeciwnowotworowego, jednocześnie zapewniając mniejsze skutki uboczne dla organizmu i mózgu.

Z użyciem Generative AI, stworzyli kilka innych związków do celowania w różne choroby, takie jak

• Transkrypcyjnie uzależnione raki poprzez celowanie w inhibitory CDK7
• Choroby zapalne poprzez celowanie w enzym PKC-theta
• Choroby hematologiczne i onkologiczne poprzez celowanie w regulator LSD1

5) Absci-de Novo Przeciwciała z Zero-Shot Generative AI

Absci, firma zajmująca się odkrywaniem leków z użyciem AI, wykazała możliwość wykorzystania zero-shot generative AI do tworzenia de novo przeciwciał za pomocą symulacji komputerowej. Zero-shot oznacza, że model AI nie został wyraźnie przeszkolony na bieżących danych wejściowych podczas fazy trenowania. Dlatego ten proces może wygenerować nowe projekty przeciwciał samodzielnie.

De novo terapeutyczne przeciwciała napędzane przez AI skracają czas potrzebny do opracowania nowych kandydatów na leki z sześciu lat do zaledwie 18-24 miesięcy, zwiększając ich szansę na powodzenie w klinice. Technologia firmy może testować i walidować 3 miliony projektów AI wygenerowanych co tydzień. To nowe rozwiązanie może natychmiast dostarczyć nowe terapie każdemu pacjentowi, co stanowi znaczącą zmianę przemysłową.

Co Przynosi Przyszłość AI i Odkrywania Leków?

Oprócz wielu innych zastosowań w ochronie zdrowia, AI sprawia, że proces odkrywania leków jest szybszy i bardziej inteligentny, analizując ogromne zestawy danych i przewidując obiecujące cele leków i kandydatów. Z użyciem generative AI, firmy biotechnologiczne mogą identyfikować markery odpowiedzi pacjentów i rozwijać personalizowane plany leczenia szybko.

Raport sugeruje, że wkrótce więcej firm MedTech będzie włączać AI i ML do wczesnych etapów odkrywania leków, co pomoże stworzyć rynek o wartości 50 miliardów dolarów w ciągu najbliższych dziesięciu lat, tworząc znaczny potencjał wzrostu AI w przemyśle farmaceutycznym. AI może potencjalnie zmniejszyć ogólne koszty odkrywania leków, umożliwiając wprowadzanie nowych leków do pacjentów szybciej.

Jeśli chcesz dowiedzieć się więcej o AI i jak zmieni naszą przyszłość, odwiedź unite.ai.