Przełom w medycynie napędzany przez sztuczną inteligencję: wykorzystywanie sztucznej inteligencji do odkrywania nowych leków

Odkrywanie leków jest znane jako “od ławki do łóżka” ze względu na jego długi czas trwania i wysokie koszty. Trwa około 11 do 16 lat i między 1 miliardem a 2 miliardami dolarów, aby wprowadzić lek na rynek. Ale teraz sztuczna inteligencja rewolucjonizuje rozwój leków, zapewniając lepszy tempo i opłacalność.

Sztuczna inteligencja w rozwoju leków zmieniła nasze podejście i strategię wobec badań biomedycznych i innowacji. Pomogła badaczom zredukować złożoność ścieżki choroby i zidentyfikować cele biologiczne.

Przyjrzyjmy się głębiej, jaki potencjał ma sztuczna inteligencja w odkrywaniu leków dla przyszłości.

Zrozumienie roli sztucznej inteligencji: Jak jest wykorzystywana do odkrywania leków?

Sztuczna inteligencja poprawiła różne etapy procesu odkrywania leków dzięki swojej zdolności do analizy ogromnych ilości danych i dokonywania skomplikowanych przewidywań. Oto jak:

1. Identyfikacja celu

Identyfikacja celu jest pierwszym procesem odkrywania leków, który obejmuje identyfikację możliwych molekularnych jednostek, takich jak białka, enzymy i receptory, obecne w organizmie, które mogą łączyć się z lekami w celu wywołania efektów terapeutycznych przeciwko chorobom.

Sztuczna inteligencja może wykorzystywać duże kliniczne bazy danych, 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 sztucznej inteligencji wraz z technikami biomedycznymi, takimi jak ekspresja genów, mogą zrozumieć skomplikowane choroby biologiczne i zidentyfikować cele biologiczne dla kandydatów na leki. Na przykład, badacze opracowali różne techniki sztucznej inteligencji do identyfikacji nowych celów przeciwnowotworowych.

2. Wybór celu

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

3. Priorytetowanie leków

Na tym etapie sztuczna inteligencja ocenia i klasyfikuje związki leków, priorytetowo traktując je do dalszej oceny i badań w celu rozwoju. W porównaniu z poprzednimi technikami klasyfikacji, podejścia oparte na sztucznej inteligencji są bardziej skuteczne w identyfikowaniu najbardziej obiecujących kandydatów. Na przykład, badacze opracowali ramę komputacyjną opartą na głębokim uczeniu w celu identyfikacji i priorytetowego traktowania nowych leków w przypadku choroby Alzheimera.

4. Przesiewowe badanie związków

Modele sztucznej inteligencji mogą przewidywać właściwości chemiczne i bioaktywność związków oraz zapewniać informacje o niepożądanych efektach. Mogą one 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 w celu znacznego przyspieszenia dużych badań związków.

5. De Novo projektowanie leków

Ręczne przesiewowe badanie dużych kolekcji związków było tradycyjną praktyką w odkrywaniu leków. Z sztuczną inteligencją badacze mogą przesiewowo badać nowe związki z lub bez wcześniejszych informacji oraz przewidywać ostateczną strukturę 3D odkrytych leków. Na przykład, AlphaFold, opracowany przez DeepMind, jest systemem sztucznej inteligencji, który może przewidywać struktury białek. Utrzymuje bazę danych ponad 200 milionów przewidywań struktury białek, co może przyspieszyć proces projektowania leków.

5 Pomyślnych przykładów odkrywania leków z użyciem sztucznej inteligencji

1) Abaucin

Antybiotyki zabijają bakterie. Ale z powodu braku nowych leków i szybkiej ewolucji oporności bakterii na starsze leki, bakterie stają się trudne do leczenia. Abaucin, silny eksperymentalny antybiotyk opracowany z użyciem sztucznej inteligencji, jest zaprojektowany do zabijania Acinetobacter baumannii, jednej z najbardziej niebezpiecznych superbakterii.

Z użyciem sztucznej inteligencji, badacze najpierw przetestowali tysiące leków, aby sprawdzić, jak dobrze działają one przeciwko bakteriom, a następnie wykorzystali tę informację do treningu sztucznej inteligencji w celu opracowania leku, który może skutecznie leczyć tę bakterię.

2) Target X przez Insilico Medicine

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

3) VRG50635 przez Verge Genomic

Verge Genomics, firma odkrywania leków z użyciem sztucznej inteligencji, 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 neurodegeneracyjnymi, takimi jak Parkinson, ALS i Alzheimer.

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

4) Exscientia-A2a Receptor

Exscientia, firma MedTech, jest odpowiedzialna za pierwszą cząsteczkę opracowaną z użyciem sztucznej inteligencji do leczenia immuno-onkologicznego – formy leczenia raka, która wykorzystuje układ immunologiczny organizmu do walki z komórkami nowotworowymi. Ich lek opracowany z użyciem sztucznej inteligencji wszedł do fazy badań klinicznych. Jego potencjał leży w jego zdolności do celowania w receptor A2a w celu promowania aktywności przeciwnowotworowej, jednocześnie zapewniając mniejsze skutki uboczne dla organizmu i mózgu.

Z użyciem Generative AI, stworzyli oni również inne związki do celowania w różne choroby, takie jak

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

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

Absci, firma odkrywania leków z użyciem sztucznej inteligencji, wykazała użycie zero-shot generative AI do tworzenia de novo przeciwciał za pomocą symulacji komputerowej. Zero-shot oznacza, że model sztucznej inteligencji nie został jawnie przetestowany na bieżących danych wejściowych podczas fazy treningu. Dlatego ten proces może wygenerować nowe projekty przeciwciał samodzielnie.

De novo terapeutyczne przeciwciała napędzane przez sztuczną inteligencję 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 wygenerowanych przez sztuczną inteligencję każdego tygodnia. To nowe rozwiązanie może natychmiast dostarczyć nowe terapie każdemu pacjentowi, co oznacza znaczącą zmianę przemysłową.

Co przynosi przyszłość sztucznej inteligencji i odkrywania leków?

Oprócz wielu innych aplikacji w ochronie zdrowia, sztuczna inteligencja 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 sztuczną inteligencję i maszynowe uczenie do wczesnych etapów odkrywania leków, co pomoże stworzyć rynek o wartości 50 miliardów dolarów w ciągu najbliższych dziesięciu lat, tworząc znaczący potencjał wzrostu sztucznej inteligencji w farmaceutyce. Sztuczna inteligencja może potencjalnie zredukować ogólne koszty odkrywania leków, sprawiając, że więcej nowych leków będzie dostępnych dla pacjentów szybciej.

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