AI-ขับเคลื่อนการพัฒนายา: การใช้ปัญญาประดิษฐ์สำหรับการค้นพบยาที่มีนวัตกรรม

การค้นพบยาเป็นที่รู้จักว่าเป็น “จากทดลองไปสู่การรักษา” เนื่องจากมีระยะเวลานานและต้นทุนสูง มันใช้เวลาประมาณ 11 ถึง 16 ปี และระหว่าง 1 พันล้านถึง 2 พันล้านเหรียญสหรัฐ เพื่อนำยามาสู่ตลาด แต่ตอนนี้ AI กำลังปฏิวัติวงการผลิตยาด้วยการเพิ่มความเร็วและผลกำไร

AI ในการผลิตยามีการเปลี่ยนแปลงแนวทางและกลยุทธ์ของเราในการวิจัยและนวัตกรรมด้านชีวการแพทย์ มันช่วยให้นักวิจัยลดความซับซ้อนของการเดินโรคและระบุเป้าหมายทางชีวภาพ

มาดูกันอย่างลึกซึ้งว่า AI ในการค้นพบยามีศักยภาพอะไรสำหรับอนาคต

การทำความเข้าใจบทบาทของ AI: วิธีการใช้ AI สำหรับการค้นพบยา?

AI ได้ปรับปรุงขั้นตอนต่างๆ ของการค้นพบยาด้วยความสามารถในการวิเคราะห์ข้อมูลจำนวนมากและทำการคาดการณ์ที่ซับซ้อน มาดูกันว่า AI ใช้ในการค้นพบยาอย่างไร:

1. การระบุเป้าหมาย

การระบุเป้าหมายเป็นขั้นตอนแรกของการค้นพบยาซึ่งเกี่ยวข้องกับการระบุหน่วยงานทางโมเลกุลที่เป็นไปได้ เช่น โปรตีน เอนไซม์ และรีเซพเตอร์ที่มีอยู่ในร่างกายที่สามารถรวมกับยาที่จะให้ผลรักษาโรค

AI สามารถใช้ฐานข้อมูลทางคลินิกขนาดใหญ่ที่มีข้อมูลสำคัญเกี่ยวกับการระบุเป้าหมาย ข้อมูลเหล่านี้สามารถรวมถึงการวิจัยทางชีวการแพทย์ ข้อมูลทางชีวโมเลกุล ข้อมูลการ试 nghiệmทางคลินิก โครงสร้างโปรตีน ฯลฯ

โมเดล AI ที่ได้รับการฝึกฝนร่วมกับเทคนิคทางชีวการแพทย์ เช่น การแสดงออกของยีน สามารถเข้าใจโรคทางชีวภาพที่ซับซ้อนและระบุเป้าหมายทางชีวภาพสำหรับยาที่มีศักยภาพ ตัวอย่างเช่น นักวิจัยได้พัฒนาเทคนิค AI ต่างๆ สำหรับการ การระบุเป้าหมายต้านมะเร็งใหม่

2. การเลือกเป้าหมาย

AI ในการค้นพบยาสามารถช่วยให้นักวิจัยเลือกเป้าหมายที่มีศักยภาพตามความสัมพันธ์กับโรคและประโยชน์ที่คาดการณ์ไว้ ด้วยการรู้จับรูปแบบที่แข็งแกร่ง AI สามารถเลือกเป้าหมายเหล่านี้ไม่เพียงแต่จากวรรณกรรมทางการแพทย์ที่ประกาศแล้ว แต่ยังสามารถเลือกเป้าหมายใหม่ที่ไม่มีการอ้างอิงในเอกสารสิทธิบัตรที่เผยแพร่

3. การจัดลำดับความสำคัญของยา

ในขั้นตอนนี้ AI ประเมินและจัดลำดับความสำคัญของยาที่มีศักยภาพสำหรับการประเมินและวิจัยเพิ่มเติมเพื่อพัฒนายาให้ก้าวหน้ามากขึ้น เมื่อเทียบกับเทคนิคการจัดลำดับความสำคัญก่อนหน้านี้ วิธีการที่ใช้ AI มีประสิทธิภาพมากกว่าในการระบุผู้สมัครที่มีศักยภาพมากที่สุด ตัวอย่างเช่น นักวิจัยได้พัฒนา เฟรมเวิร์กการคำนวณโดยใช้การเรียนรู้ลึก เพื่อระบุและจัดลำดับความสำคัญของยาที่มีนวัตกรรมสำหรับโรคอัลไซเมอร์

4. การทดสอบสารประกอบ

โมเดล AI สามารถคาดการณ์คุณสมบัติทางเคมีและชีวภาพของสารประกอบและให้ข้อมูลเกี่ยวกับผลข้างเคียงที่อาจเกิดขึ้น มันสามารถวิเคราะห์ข้อมูลจากแหล่งต่างๆ รวมถึงการศึกษาก่อนหน้านี้และฐานข้อมูลเพื่อระบุความเสี่ยงหรือผลข้างเคียงที่อาจเกิดขึ้นกับสารประกอบเฉพาะ ตัวอย่างเช่น นักวิจัยได้พัฒนา เครื่องมือการเรียนรู้ลึก เพื่อทดสอบห้องสมุดเคมีพร้อมกับโมเลกุลหลายพันล้านเพื่อเร่งการสำรวจสารประกอบในวงกว้าง

5. การออกแบบยาที่มีนวัตกรรม

การค้นหาสารประกอบใหม่โดยการค้นหาด้วยมือเป็นวิธีการแบบดั้งเดิมในการค้นพบยา ด้วย AI นักวิจัยสามารถค้นหาสารประกอบใหม่โดยไม่ต้องมีข้อมูลก่อนหน้าและคาดการณ์โครงสร้าง 3 มิติของยาที่ค้นพบได้ ตัวอย่างเช่น AlphaFold ที่พัฒนาโดย DeepMind เป็นระบบ AI ที่สามารถคาดการณ์โครงสร้างโปรตีน มันเก็บฐานข้อมูลการคาดการณ์โครงสร้างโปรตีนมากกว่า 200 ล้านรายการซึ่งสามารถเร่งกระบวนการออกแบบยาที่มีนวัตกรรม

5 ตัวอย่างการค้นพบยาที่ประสบความสำเร็จโดยใช้ AI

1) Abaucin

ยาปฏิชีวนะฆ่าแบคทีเรีย แต่เนื่องจากการขาดยาที่มีนวัตกรรมใหม่และแบคทีเรียที่ต้านทานยาปฏิชีวนะเก่า ทำให้แบคทีเรียยากต่อการรักษา Abaucin เป็นยาปฏิชีวนะที่พัฒนาโดย AI ที่ออกแบบมาเพื่อฆ่า Acinetobacter baumannii ซึ่งเป็นแบคทีเรีย “ซูเปอร์บัก” ที่อันตรายที่สุด

โดยใช้ AI นักวิจัยทดสอบยาที่มีอยู่หลายพันชนิดเพื่อดูว่ายาที่มีประสิทธิภาพมากที่สุดในการต่อต้านแบคทีเรีย Acinetobacter baumannii จากนั้นข้อมูลนี้ถูกใช้ในการฝึก AI เพื่อสร้างยาที่สามารถรักษาได้อย่างมีประสิทธิภาพ

2) Target X โดย Insilico Medicine

Insilico Medicine ใช้แพลตฟอร์ม AI ที่สร้างสรรค์ และสร้างยาที่เรียกว่า Target X ซึ่งอยู่ในระยะทดลองทางคลินิก चरण 1 Target X ได้รับการออกแบบมาเพื่อรักษา ภาวะไตวายเรื้อรัง ซึ่งเป็นโรคที่สามารถทำให้ปอดแข็งตัวได้หากไม่ได้รับการรักษา ระยะทดลองจะเกี่ยวข้องกับผู้เข้าร่วม 80 คน และครึ่งหนึ่งจะได้รับยาที่มีประสิทธิภาพสูงขึ้นอย่างต่อเนื่อง ซึ่งจะช่วยประเมินว่ายามีปฏิกิริยากับร่างกายมนุษย์อย่างไร

3) VRG50635 โดย Verge Genomic

Verge Genomics บริษัทการค้นพบยาที่ใช้ AI ใช้แพลตฟอร์ม AI CONVERGE เพื่อค้นพบสารประกอบใหม่ VRG-50635 สำหรับการรักษา ALS โดยการวิเคราะห์ข้อมูลจากมนุษย์ ข้อมูลเหล่านี้รวมถึงข้อมูลเกี่ยวกับเนื้อเยื่อสมองและไขสันหลังของผู้ป่วยโรคทางระบบประสาท เช่น โรคพาร์คินสัน ALS และโรคอัลไซเมอร์

แพลตฟอร์มแรกพบว่าเอนไซม์ PIKfyve เป็นเป้าหมายที่เป็นไปได้สำหรับ ALS และจากนั้น แนะนำ VRG50635 เป็นตัวยับยั้ง PIKfyve ที่มีแนวโน้ม ซึ่งกลายเป็นผู้สมัครยาที่มีศักยภาพสำหรับการรักษา ALS กระบวนการนี้ใช้เวลาประมาณสี่ปี และตอนนี้ผู้สมัครอยู่ในระยะทดลองทางคลินิก चरण 1

4) Exscientia-A2a Receptor

Exscientia บริษัท MedTech ที่ใช้ AI เป็นผู้รับผิดชอบในการออกแบบโมเลกุล AI แรกสำหรับการรักษาโรคภูมิคุ้มกัน ซึ่งเป็นรูปแบบหนึ่งของการรักษามะเร็งโดยใช้ระบบภูมิคุ้มกันของร่างกายในการต่อสู้กับเซลล์มะเร็ง ยาที่พัฒนาโดย AI ของพวกเขาได้เข้าสู่ระยะทดลองทางคลินิกในมนุษย์ ศักยภาพของมันอยู่ที่ความสามารถในการเลือกเป้าหมาย รีเซพเตอร์ A2a เพื่อส่งเสริมกิจกรรมต้านมะเร็งในขณะที่รับประกันผลข้างเคียงน้อยที่สุดต่อร่างกายและสมอง

โดยใช้ AI ที่สร้างสรรค์ พวกเขาได้สร้าง สารประกอบอื่นๆ สำหรับการเลือกเป้าหมายโรคต่างๆ เช่น

• มะเร็งด้วยการเพิ่มการถอดรหัส โดยเลือก ยับยั้ง CDK7
• โรคอักเสบโดยเลือก เอนไซม์ PKC-theta
• โรคโลหิตวิทยาและโรคมะเร็งโลหิตวิทยาโดยเลือก ตัวควบคุม LSD1

5) Absci-de Novo Antibodies With Zero-Shot Generative AI

Absci บริษัทการค้นพบยาที่ใช้ AI ที่สร้างสรรค์ ได้แสดงให้เห็นถึงการใช้ AI ที่สร้างสรรค์แบบไม่มีการฝึกฝนเพื่อสร้างสารภูมิต้านทาน de novo ผ่านการจำลองคอมพิวเตอร์ การเรียนรู้แบบไม่มีการฝึกฝนหมายความว่าโมเดล AI ไม่ได้รับการทดสอบกับข้อมูลปัจจุบันระหว่างการฝึกฝน ดังนั้นกระบวนการนี้สามารถสร้างการออกแบบสารภูมิต้านทานใหม่ๆ ได้โดยไม่ต้องมีการฝึกฝน

สารภูมิต้านทานรักษาที่มีพลังจาก AI ลดเวลาที่ใช้ในการพัฒนายาใหม่จากหกปีเป็น 18-24 เดือน และเพิ่มโอกาสที่จะประสบความสำเร็จในคลินิก เทคโนโลยีของบริษัทสามารถทดสอบและตรวจสอบการออกแบบที่สร้างโดย AI ได้ 3 ล้านรายการในแต่ละสัปดาห์ การพัฒนานี้สามารถส่งมอบยาที่มีนวัตกรรมใหม่ๆ ให้กับผู้ป่วยทุกคนได้ทันที ซึ่งเป็นการเปลี่ยนแปลงอุตสาหกรรมที่สำคัญ

อนาคตของ AI และการค้นพบยาคืออะไร?

นอกจาก การประยุกต์ใช้ AI ในด้านสุขภาพอื่นๆ AI กำลังทำให้กระบวนการค้นพบยามีความเร็วและฉลาดมากขึ้นโดยการวิเคราะห์ข้อมูลจำนวนมากและคาดการณ์เป้าหมายและผู้สมัครยาที่มีศักยภาพ โดยใช้ AI ที่สร้างสรรค์ บริษัทไบโอเทคสามารถระบุเครื่องหมายการตอบสนองของผู้ป่วยและพัฒนาการรักษาแบบบุคคลได้อย่างรวดเร็ว

รายงานหนึ่งระบุว่าในไม่ช้า บริษัท MedTech มากขึ้นจะรวม AI และ ML เข้ากับการค้นพบยาที่มีนวัตกรรมในระยะแรก ซึ่งจะช่วยสร้างตลาดมูลค่า 50 พันล้านเหรียญสหรัฐภายในสิบปีถัดไป ซึ่งจะสร้างโอกาสเติบโตที่สำคัญของ AI ในอุตสาหกรรมยาสมุนไพร AI มีศักยภาพที่จะลดต้นทุนการค้นพบยาทั้งหมด ทำให้มียามีนวัตกรรมใหม่ๆ มากขึ้นสำหรับผู้ป่วยได้เร็วขึ้น

หากคุณต้องการเรียนรู้เพิ่มเติมเกี่ยวกับ AI และวิธีที่จะกำหนดรูปแบบอนาคตของเรา โปรดเยี่ยมชม unite.ai