Yapay Zeka Sürüklenen Tıbbi Çığ: Yeni İlaç Keşfi için Yapay Zekayı Kullanma

İlaç keşfi, süresinin uzun olması ve maliyetinin yüksek olması nedeniyle “tezgahdan yatağa” olarak bilinir. Bir ilacın piyasaya sürülmesi 11 ila 16 yıl sürer ve $1 milyar ile $2 milyar arasında maliyet gerektirir. Ancak şimdi Yapay Zeka, ilaç geliştirmeyi devrimleştirerek, daha iyi bir tempo ve karlılık sağlıyor.

İlaç geliştirmede Yapay Zeka, biyomedikal araştırma ve yeniliklere yönelik yaklaşım ve stratejisimizi değiştirdi. Araştırmacılara, bir hastalık yolunun karmaşıklıklarını azaltma ve biyolojik hedefleri tanıma konusunda yardımcı oldu.

İlaç keşfinde Yapay Zeka’nın gelecekte neler vaat ettiğini daha derinlemesine inceleyelim.

Yapay Zeka’nın Rolünü Anlama: İlaç Keşfi için Nasıl Kullanılıyor?

Yapay Zeka, büyük miktarda veriyi analiz etme ve karmaşık tahminler yapma yeteneği ile ilaç keşfi sürecinin çeşitli aşamalarını geliştirdi. İşte nasıl:

1. Hedef Tanımlama

Hedef tanımlama, ilaç keşfinin ilk aşamasıdır ve hastalıklara karşı terapötik etkiler üretmek için ilaçlarla birleşebilecek proteinler, enzimler ve reseptörler gibi moleküler varlıkları tanımlamayı içerir.

Yapay Zeka, hedef tanımlama hakkında önemli bilgiler içeren büyük klinik veritabanlarını kullanabilir. Bu veri kaynakları, biyomedikal araştırma, biyomoleküler bilgi, klinik deneme verileri, protein yapıları vb. içerebilir.

Eğitimli Yapay Zeka modelleri, gen ifade gibi biyomedikal tekniklerle birlikte, karmaşık biyolojik hastalıkları anlayabilir ve ilaç adayları için biyolojik hedefleri tanımlayabilir. Örneğin, araştırmacılar, yeni anti-kanser hedeflerinin tanımlanması için çeşitli Yapay Zeka teknikleri geliştirdiler.

2. Hedef Seçimi

İlaç keşfinde Yapay Zeka, araştırmacılara, hastalıklarla ilgili korelasyonlarına ve öngörülen terapötik faydasına göre vaat edilen hedefleri seçme konusunda yardımcı olabilir. Güçlü desen tanıma yeteneği ile Yapay Zeka, yalnızca tıbbi literatürde bildirilen değil, aynı zamanda önceden yayınlanmış patentlerde hiç referans verilmemiş tamamen yeni hedefleri de seçebilir.

3. İlaç Önceliği

Bu aşamada, Yapay Zeka, lider ilaç bileşiklerini değerlendirir ve onları daha ileri değerlendirme ve araştırma için önceliklendirir. Önceki sıralama tekniklerine kıyasla, Yapay Zeka temelli yaklaşımlar, en vaat edilen adayları tanımlamada daha etkili olmaktadır. Örneğin, araştırmacılar, Alzheimer hastalığı için yeni ilaçları tanımlamak ve önceliklendirmek için bir Derin Öğrenme tabanlı hesaplamalı çerçeve geliştirdiler.

4. Bileşik Ekranı

Yapay Zeka modelleri, bileşiklerin kimyasal özelliklerini ve biyoaktivitesini tahmin edebilir ve advers etkiler hakkında fikir verebilir. Çeşitli kaynaklardan, önceki çalışmalar ve veritabanları dahil, bir bileşiğin potansiyel riskleri veya yan etkileri hakkında bilgi analiz edebilir. Örneğin, araştırmacılar, bir derin öğrenme aracını milyarlarca molekül içeren kimyasal kütüphaneleri ekranlamak için geliştirdiler.

5. De Novo İlaç Tasarımı

Büyük bileşik koleksiyonlarının manuel ekranlanması, ilaç keşfinde geleneksel bir uygulamadır. Yapay Zeka ile araştırmacılar, önceden bilgi olmadan yeni bileşikleri ekranlayabilir ve keşfedilen ilaçların nihai 3B yapısını tahmin edebilir. Örneğin, AlphaFold, DeepMind tarafından geliştirilen bir Yapay Zeka sistemidir ve protein yapılarını tahmin edebilir. 200 milyondan fazla protein yapısı tahmini veritabanını korur ve ilaç tasarım sürecini hızlandırabilir.

5 Başarılı Yapay Zeka Tabanlı İlaç Keşfi Örneği

1) Abaucin

Antibiyotikler bakterileri öldürür. Ancak yeni ilaçların eksikliği ve eski ilaçlara karşı bakterilerin hızlı evrimi nedeniyle, bakterileri tedavi etmesi giderek zorlaşıyor. Abaucin, bir Yapay Zeka geliştirilmiş güçlü deneysel antibiyotik, Acinetobacter baumannii’yi, en tehlikeli süper bakterilerden birini öldürmek için tasarlandı.

Yapay Zeka kullanarak araştırmacılar, önce binlerce ilacın bakteriye karşı nasıl çalıştığını test etti ve bu bilgiyi bir ilacın onu etkili bir şekilde tedavi edebilmesi için kullanmak üzere Yapay Zekayı eğitti.

2) Insilico Medicine tarafından Target X

Insilico Medicine, Generative AI platformunu kullandı ve Target X adlı bir ilacı yarattı, şimdi 1. Aşama klinik denemelerinde. Target X, İdiyopatik Pulmoner Fibrozis için tasarlandı, bu durum yaşlı bireylerde tedavi edilmezse akciğer sertliğine neden olabilir. 1. Aşama, 80 katılımcıyı içerecektir ve yarısı daha yüksek dozlara dần dần maruz kalacaktır. Bu, ilaç molekülünün insan vücudu ile nasıl etkileşime girdiğini değerlendirmeye yardımcı olacaktır.

3) Verge Genomics tarafından VRG50635

Verge Genomics, bir Yapay Zeka ilaç keşfi şirketi, ALS’i tedavi etmek için yeni bir bileşik olan VRG-50635’i keşfetmek için CONVERGE adlı AI platformunu kullandı. Veri noktaları, Parkinson, ALS ve Alzheimer gibi nörodejeneratif hastalıkları olan hastaların beyin ve omurilik dokuları hakkında bilgi içeriyordu.

Platform önce PIKfyve enzimini ALS için olası bir hedef olarak tanımladı ve sonra VRG50635‘i PIKfyve’nin vaat edilen bir inhibitörü olarak önerdi, bu da ALS’i tedavi etmek için potansiyel bir ilaç adayı oldu. Süreç yaklaşık dört yıl sürdü ve şimdi aday insan denemelerinin 1. Aşamasında.

4) Exscientia-A2a Reseptörü

Exscientia, bir Yapay Zeka MedTech şirketi, immüno-onkoloji tedavisi için tasarlanmış ilk Yapay Zeka tasarlanmış molekülü geliştirdi – bu, kanser hücreleriyle savaşmak için vücudun bağışıklık sistemini kullanan bir kanser tedavisi türü. Their AI-designed ilacı, insan klinik denemeleri aşamasına girdi. Potansiyeli, A2a reseptörünü hedefleyerek tümör karşıtı aktiviteyi teşvik etme ve vücut ve beyin üzerinde daha az yan etkiyle birlikte çalışma yeteneğinde yatmaktadır.

Generative AI kullanarak, çeşitli hastalıkları hedefleyen diğer bileşikler yarattılar:

• Transkriptif Bağımlı Kanserler için CDK7 inhibitörleri hedefleyerek
• PKC-teta enzimi hedefleyerek iltihaplı hastalıklar
• LSD1 düzenleyicisi hedefleyerek hematoloji ve onkoloji hastalıkları

5) Absci’nin Sıfır Atışlı Generatif Yapay Zeka ile De Novo Antikorları

Absci, bir Generative AI ilaç keşfi şirketi, bilgisayarlı simülasyon yoluyla sıfır atışlı generatif Yapay Zeka kullanarak de novo antikorlar yaratma yeteneğini gösterdi. Sıfır atışlı öğrenme, Yapay Zeka modelinin eğitim aşamasında geçerli girdi bilgisine açıkça test edilmemiş olduğu anlamına gelir. Bu nedenle, bu süreç, önceden hiçbir bilgi olmadan yeni antikor tasarımları üretebilir.

Yapay Zeka tarafından güçlendirilen de novo terapötik antikorlar, yeni ilaç adaylarının geliştirilme süresini altı yıldan 18-24 aya düşürür ve klinikte başarı olasılıklarını artırır. Şirketin teknolojisi, her hafta 3 milyon Yapay Zeka tarafından oluşturulan tasarımı test edebilir ve doğrulayabilir. Bu yeni gelişme, yeni terapötiklerin her hasta için anında teslim edilmesini sağlayarak önemli bir endüstriyel değişikliği işaret edebilir.

Yapay Zeka ve İlaç Keşfinin Geleceği Neler Vaat Ediyor?

Diğer birçok sağlık uygulamasının yanı sıra, Yapay Zeka, ilaç keşfi sürecini daha hızlı ve daha zeki hale getirerek büyük veri kümelerini analiz ederek vaat edilen ilaç hedefleri ve adaylarını tahmin ediyor. Generatif Yapay Zeka kullanarak, biyoteknoloji şirketleri, hasta yanıt belirteçlerini tanımlayabilir ve kişiselleştirilmiş tedavi planları geliştirebilir.

Bir rapor, yakın zamanda daha fazla MedTech şirketinin, erken aşamadaki ilaç keşfinde Yapay Zeka ve Makine Öğrenimi‘ni entegre edeceğini ve bu da önümüzdeki on yıl içinde 50 milyar dolarlık bir pazar oluşturacağını, böylece ilaç endüstrisinde Yapay Zeka’nın önemli büyüme potansiyelini yaratacağını belirtiyor. Yapay Zeka, genel ilaç keşfi maliyetlerini azaltabilir ve yeni ilaçları hastalara daha hızlı bir şekilde sunabilir.

Yapay Zeka ve geleceğimizi şekillendireceği hakkında daha fazla bilgi edinmek istiyorsanız, unite.ai‘i ziyaret edin.