Искусственный интеллект, стимулирующий медицинские прорывы: использование искусственного интеллекта для открытия новых лекарств

Открытие лекарств известно как “от рабочего стола к постели” из-за его длительности и высокой стоимости. На разработку лекарства уходит около 11-16 лет и от 1 до 2 миллиардов долларов, чтобы вывести его на рынок. Но теперь искусственный интеллект революционизирует разработку лекарств, обеспечивая лучшую скорость и прибыльность.

Искусственный интеллект в разработке лекарств изменил наш подход и стратегию в отношении биомедицинских исследований и инноваций. Он помог исследователям уменьшить сложность пути заболевания и определить биологические цели.

Давайте глубже рассмотрим, что такое потенциал искусственного интеллекта в открытии лекарств и что он может принести в будущем.

Понимание роли искусственного интеллекта: как он используется для открытия лекарств?

Искусственный интеллект повысил различные этапы процесса открытия лекарств, способный анализировать огромные объемы данных и делать сложные прогнозы. Вот как:

1. Идентификация цели

Идентификация цели – это первый процесс открытия лекарств, который включает определение возможных молекулярных сущностей, таких как белки, ферменты и рецепторы, присутствующие в организме, которые могут объединиться с лекарствами для производства терапевтических эффектов против заболеваний.

Искусственный интеллект может использовать большие клинические базы данных, которые включают ключевую информацию об идентификации цели. Эти источники данных могут включать биомедицинские исследования, биомолекулярную информацию, данные клинических испытаний, структуры белков и т. д.

Обученные модели искусственного интеллекта вместе с биомедицинскими методами, такими как экспрессия генов, могут понять сложные биологические заболевания и определить биологические цели для кандидатов на лекарства. Например, исследователи разработали различные методы искусственного интеллекта для идентификации новых противораковых целей.

2. Выбор цели

Искусственный интеллект в открытии лекарств может помочь исследователям выбрать перспективные цели на основе их корреляций с заболеваниями и прогнозируемой терапевтической полезности. С помощью сильного распознавания образов искусственный интеллект может сделать этот выбор не только на основе заявленной медицинской литературы, но и выбрать совершенно новые цели без каких-либо предыдущих ссылок в опубликованных патентах.

3. Приоритизация лекарств

На этом этапе искусственный интеллект оценивает и ранжирует кандидаты на лекарства, отдающие приоритет их дальнейшему исследованию и разработке. По сравнению с предыдущими методами ранжирования, подходы на основе искусственного интеллекта более эффективны в определении наиболее перспективных кандидатов. Например, исследователи разработали вычислительную основу на основе глубокого обучения для определения и приоритизации новых лекарств для болезни Альцгеймера.

4. Скрининг соединений

Модели искусственного интеллекта могут прогнозировать свойства соединений и биоактивность, а также предоставлять информацию о нежелательных эффектах. Они могут анализировать данные из различных источников, включая предыдущие исследования и базы данных, чтобы определить потенциальные риски или побочные эффекты, связанные с конкретным соединением. Например, исследователи разработали инструмент глубокого обучения для скрининга химических библиотек с миллиардами молекул, чтобы значительно ускорить крупномасштабное исследование соединений.

5. Де-ново проектирование лекарств

Ручной скрининг больших коллекций соединений был традиционной практикой в открытии лекарств. С помощью искусственного интеллекта исследователи могут скринить новые соединения с или без предварительной информации и прогнозировать окончательную трехмерную структуру открытых лекарств. Например, AlphaFold, разработанный DeepMind, – это система искусственного интеллекта, которая может прогнозировать структуры белков. Она поддерживает базу данных более 200 миллионов прогнозов структур белков, что может ускорить процесс разработки лекарств.

5 успешных примеров открытия лекарств с помощью искусственного интеллекта

1) Abaucin

Антибиотики убивают бактерии. Но из-за нехватки новых лекарств и быстрой эволюции бактериальной резистентности к старым лекарствам бактерии становятся все труднее лечить. Abaucin, экспериментальный антибиотик, разработанный с помощью искусственного интеллекта, предназначен для уничтожения Acinetobacter baumannii, одной из самых опасных супербактерий.

Используя искусственный интеллект, исследователи сначала протестировали тысячи лекарств, чтобы увидеть, как хорошо они работают против бактерии Acinetobacter baumannii. Затем эту информацию использовали для обучения искусственного интеллекта разработке лекарства, которое может эффективно лечить ее.

2) Target X от Insilico Medicine

Insilico Medicine использовала свою платформу Generative AI и создала лекарство под названием Target X, которое сейчас находится в первой фазе клинических испытаний. Target X предназначен для лечения идиопатической легочной фиброзы, заболевания, которое может вызвать жесткость легких у пожилых людей, если его не лечить. Первая фаза будет включать 80 участников, и половине из них будут постепенно вводить более высокие дозы. Это поможет оценить, как молекула лекарства взаимодействует с человеческим организмом.

3) VRG50635 от Verge Genomic

Verge Genomics, компания по открытию лекарств с помощью искусственного интеллекта, использовала свою платформу CONVERGE для открытия нового соединения VRG-50635 для лечения ALS путем анализа человеческих данных. Данные включали информацию о тканях мозга и спинного мозга пациентов с нейродегенеративными заболеваниями, такими как болезнь Паркинсона, ALS и болезнь Альцгеймера.

Платформа сначала определила фермент PIKfyve как возможную цель для ALS, а затем предложила VRG50635 как перспективный ингибитор PIKfyve, который стал потенциальным кандидатом на лекарство для лечения ALS. Процесс занял около четырех лет, и теперь кандидат находится в первой фазе клинических испытаний.

4) Exscientia-A2a Receptor

Exscientia, компания MedTech, ответственная за первый молекулярный кандидат на иммунно-онкологическое лечение, разработанный с помощью искусственного интеллекта – это форма лечения рака, которая использует иммунную систему организма для борьбы с раковыми клетками. Их кандидат на лекарство вошел в фазу клинических испытаний на людях. Его потенциал заключается в его способности воздействовать на рецептор A2a для стимуляции противоопухолевой активности, обеспечивая при этом меньшее количество побочных эффектов на организм и мозг.

Используя Generative AI, они создали некоторые другие соединения для нацеливания на различные заболевания, такие как

• Транскрипционно-зависимые раки путем нацеливания на ингибиторы CDK7
• Воспалительные заболевания путем нацеливания на фермент PKC-theta
• Заболевания гематологии и онкологии путем нацеливания на регулятор LSD1

5) Absci-де-ново антитела с нулевым выстрелом Generative AI

Absci, компания по открытию лекарств с помощью Generative AI, продемонстрировала использование нулевого выстрела Generative AI для создания де-ново антител с помощью компьютерного моделирования. Нулевой выстрел означает, что модель искусственного интеллекта не была явно протестирована на текущей входной информации во время фазы обучения. Следовательно, этот процесс может создать новые проекты антител самостоятельно.

Де-ново терапевтические антитела, работающие на основе искусственного интеллекта, сокращают время разработки новых кандидатов на лекарства с шести лет до 18-24 месяцев, увеличивая их вероятность успеха в клинике. Технология компании может протестировать и проверить 3 миллиона проектов антител, сгенерированных искусственным интеллектом, каждую неделю. Это новое развитие может мгновенно доставить новые терапевтические средства каждому пациенту, отмечая значительный промышленный сдвиг.

Что ждет будущее искусственного интеллекта и открытия лекарств?

Помимо многих других приложений в здравоохранении, искусственный интеллект делает процесс открытия лекарств быстрее и более интеллектуальным, анализируя огромные наборы данных и прогнозируя перспективные цели и кандидаты на лекарства. Используя Generative AI, биотехнологические компании могут определить маркеры реакции пациентов и разработать персонализированные планы лечения быстро.

Отчет предполагает, что скоро больше компаний MedTech будут включать искусственный интеллект и машинное обучение на ранних этапах открытия лекарств, что поможет создать рынок стоимостью 50 миллиардов долларов в течение следующих десяти лет, создавая значительный потенциал роста искусственного интеллекта в фармацевтике. Искусственный интеллект потенциально может сократить общую стоимость открытия лекарств, сделав больше новых лекарств доступными пациентам быстрее.

Если вы хотите узнать больше об искусственном интеллекте и о том, как он изменит нашу жизнь, посетите unite.ai.