Quantumförbättrad AI revolutionerar cancerläkemedelsupptäckt: Ett stort steg framåt med industriell generativ AI

I en utanför alla jämförelser avancerad utveckling inom läkemedelsupptäckt har Zapata Computing, Inc., tillsammans med Insilico Medicine, University of Toronto och St. Jude Children’s Research Hospital, visat den remarkabla potentialen för quantumförbättrad generativ AI. Detta samarbete har lett till den första instansen där en generativ modell som körs på kvantmaskin överträffar traditionella klassiska modeller i att generera livskraftiga cancerläkemedelskandidater.

Denna banbrytande studie fokuserade på att utveckla nya KRAS-hämmare, ett notoriskt svårt mål i cancerterapi. Genom att använda avancerade generativa AI-modeller på både klassisk och kvantmaskin, inklusive en 16-qubit IBM-enhet, lyckades teamet generera en miljon läkemedelskandidater. Efter en noggrann process med algoritmisk och mänsklig filtrering gav den kvantförbättrade generativa modellen två distinkta molekyler med överlägsen bindningsaffinitet jämfört med de som producerades av klassiska modeller. Denna genombrott understryker inte bara effektiviteten av kvantberäkning i läkemedelsupptäckt, utan visar också den transformerande rollen för industriell generativ AI i att hantera komplexa, branschspecifika utmaningar inom olika industrier.

Industriell generativ AI, en specialiserad underkategori av generativ AI, är särskilt lämpad för att hantera sådana intrikata problem. Till skillnad från allmänna AI-verktyg som ChatGPT och DALL-E från OpenAI, är industriell generativ AI anpassad för att hantera specifika problem inom företag eller industrier. Den navigerar genom utmaningar som dataförvirring, stora lösningsspace, oförutsägbarhet, tidskänslighet, beräkningsbegränsningar och krav på noggrannhet, tillförlitlighet och säkerhet. I dess kärna finns generativa modeller, som Large Language Models (LLM), som lär sig från träningsdata för att generera nya, realistiska utdata. Detta tillvägagångssätt möjliggjorde för Zapata AI-teamet att bana väg inom läkemedelsupptäckt, med hjälp av AI för att skapa banbrytande lösningar.

Yudong Cao, CTO och medgrundare av Zapata AI, betonade samarbetet mellan kvant- och klassisk beräkning för att tillhandahålla omfattande lösningar i detta banbrytande projekt. Forskningen, som för närvarande väntar på peer review och finns tillgänglig på ArXiv, bygger på tidigare studier som visar potentialen för kvantgenerativ AI i läkemedelsupptäckt.

Alex Zhavoronkov, PhD, grundare och med-VD för Insilico Medicine, erkände integrationen av Insilicos generativa AI-motor, Chemistry42, med kvantförstärkta modeller, vilket banar väg för nya terapeutiska vägar för utmanande cancermål. Detta steg är avgörande för att främja framtiden för läkemedelsupptäckt.

Med ett nyligt strategiskt partnerskap med D-Wave Quantum Inc (QBTS ). är Zapata AI redo att ytterligare expandera horisonten för kvantgenerativa AI-modeller i upptäckten av nya molekyler för en rad kommersiella tillämpningar. Christopher Savoie, VD och medgrundare av Zapata AI, uttryckte entusiasm över denna utveckling och potentialen för bredare tillämpning inom olika industrier.

Alán Aspuru-Guzik, professor vid University of Toronto och medgrundare och vetenskaplig rådgivare för Zapata AI, delade sin optimism om att integrera kvantberäkning i läkemedelsupptäcktsprocessen. Denna forskning är banbrytande och sätter en prejudikat för framtida kvantdatorer att visa sin unika förmåga.

Forskningen använde Zapata AI:s QML Suite Python-paket, som finns tillgängligt på deras Orquestra®-plattform, och betonar den praktiska tillämpningen av kvantberäkning i att lösa verkliga vetenskapliga utmaningar. Denna integration av industriell generativ AI i läkemedelsupptäcktsprocessen markerar ett betydande steg i att utnyttja AI för innovativa, branschspecifika lösningar, som driver tillväxt och effektivitet i den ständigt föränderliga tekniska landskapsbilden.