โมเดลและแพลตฟอร์ม AI

การพัฒนายาด้วย AI: ใช้ปัญญาประดิษฐ์ค้นพบยาใหม่อย่างสร้างสรรค์

Haziqa Sajid
เพิ่ม Unite.AI ลงในแหล่งข้อมูลที่คุณต้องการบน Google
ประเด็นสำคัญAI ลดระยะเวลาการค้นพบยาจากหลายปีเหลือเพียงไม่กี่เดือน ดังเช่นกรณีแอนติบอดี de novo ของ…
ดูเพิ่มเติม
  • AI ลดระยะเวลาการค้นพบยาจากหลายปีเหลือเพียงไม่กี่เดือน ดังเช่นกรณีแอนติบอดี de novo ของ Absci ที่พัฒนาภายใน 18-24 เดือน
  • ปัจจุบัน Generative AI ออกแบบตัวยาสารใหม่ตั้งแต่เริ่มต้น ตัวอย่างเช่น Target X ของ Insilico Medicine ที่อยู่ในการทดลองระยะที่ 1
  • การระบุเป้าหมายด้วย AI ค้นพบเส้นทางชีวภาพใหม่ เช่น Verge Genomics พบเอนไซม์ PIKfyve สำหรับรักษาโรค ALS

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

AI ในการพัฒนายามีการเปลี่ยนแปลงแนวทางและกลยุทธ์ของเราในการวิจัยและนวัตกรรมด้านชีวการแพทย์ มันช่วยให้นักวิจัยลดความซับซ้อนของวิถีทางการเกิดโรคและระบุเป้าหมายทางชีวภาพ

มาดูกันอย่างลึกซึ้งว่า AI ในการค้นพบยามีศักยภาพอะไรสำหรับอนาคต

การทำความเข้าใจบทบาทของ AI: วิธีการใช้ AI สำหรับการค้นพบยา?

การทำความเข้าใจบทบาทของ AI: วิธีการใช้ AI สำหรับการค้นพบยา

AI ได้ปรับปรุงขั้นตอนต่างๆ ของการค้นพบยาด้วยความสามารถในการวิเคราะห์ข้อมูลจำนวนมากและทำการคาดการณ์ที่ซับซ้อน มาดูกันว่า AI ใช้ในการค้นพบยาอย่างไร:

1. การระบุเป้าหมาย

การระบุเป้าหมายเป็นขั้นตอนแรกของการค้นพบยาซึ่งเกี่ยวข้องกับการระบุองค์ประกอบระดับโมเลกุลที่เป็นไปได้ เช่น โปรตีน เอนไซม์ และรีเซพเตอร์ที่มีอยู่ในร่างกายที่สามารถรวมกับยาที่จะให้ผลรักษาโรค

AI สามารถใช้ฐานข้อมูลทางคลินิกขนาดใหญ่ที่มีข้อมูลสำคัญเกี่ยวกับการระบุเป้าหมาย ข้อมูลเหล่านี้สามารถรวมถึงการวิจัยทางชีวการแพทย์ ข้อมูลทางชีวโมเลกุล ข้อมูลการทดลองทางคลินิก โครงสร้างโปรตีน ฯลฯ

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

2. การเลือกเป้าหมาย

AI ในการค้นพบยาสามารถช่วยให้นักวิจัยเลือกเป้าหมายที่มีศักยภาพตามความสัมพันธ์กับโรคและประโยชน์ที่คาดการณ์ไว้ ด้วยการรู้จำรูปแบบที่แข็งแกร่ง AI สามารถเลือกเป้าหมายเหล่านี้ไม่เพียงแต่จากวรรณกรรมทางการแพทย์ที่ประกาศแล้ว แต่ยังสามารถเลือกเป้าหมายใหม่ที่ไม่มีการอ้างอิงในเอกสารสิทธิบัตรที่เผยแพร่

3. การจัดลำดับความสำคัญของยา

ในขั้นตอนนี้ AI ประเมินและจัดลำดับความสำคัญของยาที่มีศักยภาพสำหรับการประเมินและวิจัยเพิ่มเติมเพื่อพัฒนายาให้ก้าวหน้ามากขึ้น เมื่อเทียบกับเทคนิคการจัดลำดับความสำคัญก่อนหน้านี้ วิธีการที่ใช้ AI มีประสิทธิภาพมากกว่าในการระบุสารที่มีศักยภาพพัฒนาเป็นยามากที่สุด ตัวอย่างเช่น นักวิจัยได้พัฒนา เฟรมเวิร์กการคำนวณโดยใช้การเรียนรู้ลึก เพื่อระบุและจัดลำดับความสำคัญของยาที่มีนวัตกรรมสำหรับโรคอัลไซเมอร์

4. การทดสอบสารประกอบ

โมเดล AI สามารถคาดการณ์คุณสมบัติทางเคมีและฤทธิ์ทางชีวภาพของสารประกอบและให้ข้อมูลเกี่ยวกับผลข้างเคียงที่อาจเกิดขึ้น มันสามารถวิเคราะห์ข้อมูลจากแหล่งต่างๆ รวมถึงการศึกษาก่อนหน้านี้และฐานข้อมูลเพื่อระบุความเสี่ยงหรือผลข้างเคียงที่อาจเกิดขึ้นกับสารประกอบเฉพาะ ตัวอย่างเช่น นักวิจัยได้พัฒนา เครื่องมือการเรียนรู้ลึก เพื่อคัดกรองคลังสารเคมีที่มีโมเลกุลหลายพันล้านชนิดเพื่อเร่งการสำรวจสารประกอบในวงกว้าง

5. การออกแบบยาขึ้นใหม่ (de novo)

การค้นหาสารประกอบใหม่โดยการค้นหาด้วยมือเป็นวิธีการแบบดั้งเดิมในการค้นพบยา ด้วย AI นักวิจัยสามารถคัดกรองสารประกอบใหม่ได้ทั้งเมื่อมีหรือไม่มีข้อมูลเดิมและคาดการณ์โครงสร้าง 3 มิติของยาที่ค้นพบได้ ตัวอย่างเช่น AlphaFold ที่พัฒนาโดย DeepMind เป็นระบบ AI ที่สามารถคาดการณ์โครงสร้างโปรตีน มันเก็บฐานข้อมูลการคาดการณ์โครงสร้างโปรตีนมากกว่า 200 ล้านรายการซึ่งสามารถเร่งกระบวนการออกแบบยาขึ้นใหม่ (de novo)

5 ตัวอย่างการค้นพบยาที่ประสบความสำเร็จโดยใช้ AI

5 ตัวอย่างการค้นพบยาที่ประสบความสำเร็จโดยใช้ AI

1) Abaucin

ยาปฏิชีวนะฆ่าแบคทีเรีย แต่เนื่องจากการขาดยาที่มีนวัตกรรมใหม่และแบคทีเรียที่ต้านทานยาปฏิชีวนะเก่า ทำให้แบคทีเรียยากต่อการรักษา Abaucin เป็นยาปฏิชีวนะทดลองที่มีฤทธิ์สูงซึ่งพัฒนาด้วย AI ที่ออกแบบมาเพื่อฆ่า Acinetobacter baumannii ซึ่งเป็นหนึ่งในแบคทีเรียดื้อยารุนแรงที่อันตรายที่สุด

โดยใช้ AI นักวิจัยทดสอบยาที่มีอยู่หลายพันชนิดเพื่อดูว่ายาที่มีประสิทธิภาพมากที่สุดในการต่อต้านแบคทีเรีย Acinetobacter baumannii จากนั้นข้อมูลนี้ถูกใช้ในการฝึก AI เพื่อสร้างยาที่สามารถรักษาได้อย่างมีประสิทธิภาพ

2) Target X โดย Insilico Medicine

Insilico Medicine ใช้แพลตฟอร์มAI เชิงกำเนิดและสร้างยาที่เรียกว่า Target X ซึ่งอยู่ในระยะทดลองทางคลินิก ระยะที่ 1 Target X ได้รับการออกแบบมาเพื่อรักษา โรคพังผืดในปอดไม่ทราบสาเหตุ ซึ่งเป็นโรคที่สามารถทำให้ปอดแข็งตัวได้หากไม่ได้รับการรักษา ระยะทดลองจะเกี่ยวข้องกับผู้เข้าร่วม 80 คน และครึ่งหนึ่งจะได้รับขนาดยาที่ค่อย ๆ สูงขึ้น 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 ซึ่งกลายเป็นสารที่มีศักยภาพพัฒนาเป็นยาสำหรับการรักษา ALS กระบวนการนี้ใช้เวลาประมาณสี่ปี และปัจจุบันสารดังกล่าวอยู่ในระยะทดลองทางคลินิก ระยะที่ 1

4) Exscientia-A2a Receptor

Exscientia บริษัท MedTech ที่ใช้ AI เป็นผู้รับผิดชอบในโมเลกุลตัวแรกที่ AI ออกแบบสำหรับการรักษามะเร็งด้วยภูมิคุ้มกัน ซึ่งเป็นรูปแบบหนึ่งของการรักษามะเร็งโดยใช้ระบบภูมิคุ้มกันของร่างกายในการต่อสู้กับเซลล์มะเร็ง ยาที่พัฒนาโดย AI ของพวกเขาได้เข้าสู่ระยะทดลองทางคลินิกในมนุษย์ ศักยภาพของมันอยู่ที่ความสามารถในการเลือกเป้าหมาย รีเซพเตอร์ A2a เพื่อส่งเสริมกิจกรรมต้านมะเร็งในขณะที่ทำให้มีผลข้างเคียงน้อยลงต่อร่างกายและสมอง

โดยใช้ AI เชิงกำเนิด พวกเขาได้สร้าง สารประกอบอื่นๆ สำหรับการเลือกเป้าหมายโรคต่างๆ เช่น

5) Absci: แอนติบอดีที่ออกแบบขึ้นใหม่ด้วย AI เชิงกำเนิดแบบ Zero-shot

Absci บริษัทค้นพบยาที่ใช้AI เชิงกำเนิด ได้แสดงให้เห็นถึงการใช้ AI เชิงกำเนิดแบบไม่ใช้ตัวอย่างเฉพาะงาน (zero-shot)เพื่อสร้างสารภูมิต้านทาน de novo ผ่านการจำลองคอมพิวเตอร์ การเรียนรู้แบบ zero-shot หมายถึงโมเดลไม่ได้รับตัวอย่างเฉพาะสำหรับข้อมูลหรืองานปัจจุบันระหว่างการฝึก ดังนั้นกระบวนการนี้สามารถสร้างการออกแบบสารภูมิต้านทานใหม่ๆ ได้ได้ด้วยตัวเอง

สารภูมิต้านทานรักษาที่มีพลังจาก AI ลดเวลาที่ใช้ในการพัฒนายาใหม่จากสูงสุดหกปีเหลือ 18–24 เดือน และเพิ่มโอกาสที่จะประสบความสำเร็จในคลินิก เทคโนโลยีของบริษัทสามารถทดสอบและตรวจสอบการออกแบบที่สร้างโดย AI ได้ 3 ล้านรายการในแต่ละสัปดาห์ การพัฒนานี้อาจช่วยส่งมอบยาที่มีนวัตกรรมใหม่ๆ ให้กับผู้ป่วยทุกคนได้ทันที ซึ่งเป็นการเปลี่ยนแปลงอุตสาหกรรมที่สำคัญ

อนาคตของ AI และการค้นพบยาคืออะไร?

นอกจาก การประยุกต์ใช้ AI ในด้านสุขภาพอื่นๆ AI กำลังทำให้กระบวนการค้นพบยามีความเร็วและฉลาดมากขึ้นโดยการวิเคราะห์ข้อมูลจำนวนมากและคาดการณ์เป้าหมายและสารที่มีศักยภาพพัฒนาเป็นยา โดยใช้ AI เชิงกำเนิด บริษัทไบโอเทคสามารถระบุเครื่องหมายการตอบสนองของผู้ป่วยและพัฒนาแผนการรักษาเฉพาะบุคคลได้อย่างรวดเร็ว

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

หากคุณต้องการเรียนรู้เพิ่มเติมเกี่ยวกับ AI และวิธีที่จะกำหนดรูปแบบอนาคตของเรา โปรดเยี่ยมชม unite.ai

Haziqa Sajid

Haziqa เป็นนักวิทยาศาสตร์ข้อมูลที่มีประสบการณ์อย่างกว้างขวางในการเขียนเนื้อหาทางเทคนิคสำหรับบริษัท AI และ SaaS