Yapay zeka modelleri ve platformları
AI Destekli Tıbbi Atılım: Yeni İlaç Keşfinde Yapay Zekadan Yararlanma
Öne çıkan noktalarYapay zekâ, ilaç keşif süreçlerini Absci'nin 18-24 ayda geliştirdiği de novo antikorlar…
Daha fazla göster
- Yapay zekâ, ilaç keşif süreçlerini Absci'nin 18-24 ayda geliştirdiği de novo antikorlar örneğinde olduğu gibi yıllardan aylara indiriyor.
- Generatif yapay zekâ, Insilico Medicine'ın Faz 1 aşamasındaki Target X'i gibi örneklerle sıfırdan yeni ilaç adayları tasarlıyor.
- Yapay zekâ destekli hedef tespiti, Verge Genomics'in ALS tedavisi için PIKfyve enzimini bulması gibi yeni biyolojik yolakları ortaya çıkarıyor.
İlaç keşfi, uzun sürmesi ve yüksek maliyeti nedeniyle “laboratuvar tezgâhından hasta başına” uzanan bir süreç 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 geliştirme sürecini hızlandırarak daha iyi bir tempo ve kârlılık sağlıyor.
İlaç geliştirmede yapay zeka, biyomedikal araştırma ve inovasyona yönelik yaklaşımımızı ve stratejimizi değiştirdi. Araştırmacıların hastalık yolaklarının karmaşıklıklarını azaltmasına ve biyolojik hedefleri tanımlamasına yardımcı oldu.
İlaç keşfinde yapay zekanın gelecekte neler vaat ettiğini daha derinlemesine inceleyelim.
Yapay Zekanın Rolünü Anlamak: İlaç Keşfi için Nasıl Kullanılıyor?

Yapay zeka, büyük miktarda veri analiz etme ve karmaşık öngörülerde bulunma yeteneği ile ilaç keşfi sürecinin çeşitli aşamalarını geliştirdi. İşte nasıl:
1. Hedef Tanımlama
Hedef tanımlama, ilaç keşfinin ilk aşamasıdır ve vücuttaki olası moleküler varlıkları, proteinleri, enzimleri ve reseptörleri tanımlamayı içerir. Bu varlıklar, hastalıklara karşı terapötik etkiler üretmek için ilaçlarla birleşebilir.
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.
Eğitilmiş yapay zeka modelleri, gen ifadesi gibi biyomedikal tekniklerle birlikte karmaşık biyolojik hastalıkları anlamak ve ilaç adayları için biyolojik hedefleri tanımlamak için kullanılabilir. Örneğin, araştırmacılar, yeni antikanser hedeflerinin tanımlanması için çeşitli yapay zeka teknikleri geliştirdiler.
2. Hedef Seçimi
İlaç keşfinde yapay zeka, araştırmacıların hastalık korelasyonlarına ve öngörülen terapötik faydalara göre umut vadeden hedefleri seçmesine yardımcı olabilir. Güçlü desen tanıma yeteneği ile yapay zeka, yalnızca tıbbi literatürde bildirilen değil, aynı zamanda yayınlanmış patentlerde daha önce hiç atıf yapılmamış tamamen yeni hedefleri seçebilir.
3. İlaçların Önceliklendirilmesi
Bu aşamada, yapay zeka, öncü ilaç bileşiklerini değerlendirir ve onları daha ileri değerlendirme ve araştırma için önceliklendirir. Önceki sıralama tekniklerine kıyasla, yapay zeka tabanlı yaklaşımlar, en umut vadeden 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 Taraması
Yapay zeka modelleri, bileşiklerin kimyasal özelliklerini ve biyoaktivitesini öngörebilir ve advers etkiler hakkında fikir verebilir. Farklı kaynaklardan, önceki çalışmalardan ve veritabanlarından gelen verileri analiz edebilir ve belirli bir bileşikle ilgili olası riskleri veya yan etkileri tanımlayabilir. Örneğin, araştırmacılar, kimyasal kütüphaneleri tarayan milyarlarca molekül içeren kütüphaneleri tarayan ve büyük ölçekli bileşik araştırmasını önemli ölçüde hızlandıran bir derin öğrenme aracı geliştirdiler.
5. Yeni İlaç Tasarımı
Büyük bileşik koleksiyonlarının manuel taraması, ilaç keşfinde geleneksel bir uygulamadır. Yapay zeka ile araştırmacılar, yeni bileşikleri ön bilgi olsun veya olmasın tarayabilir ve keşfedilen ilaçların nihai 3B yapısını öngörebilir. Örneğin, AlphaFold, DeepMind tarafından geliştirilen bir yapay zeka sistemidir ve protein yapılarını öngörebilir. İlaç tasarımını hızlandırabilecek 200 milyondan fazla protein yapısı tahminini içeren bir veri tabanı sunar.
5 Başarılı Yapay Zeka Tabanlı İlaç Keşfi Örneği

1) Abaucin
Antibiyotikler bakterileri öldürür. Ancak yeni ilaçların eksikliği ve bakterilerin eski ilaçlara karşı hızlı bir şekilde direnç geliştirmesi nedeniyle, bakterileri tedavi etmek zorlaşıyor. Abaucin, AI ile geliştirilmiş güçlü bir deneysel antibiyotiktir ve en tehlikeli süper bakterilerden biri olan Acinetobacter baumannii’yi öldürmek üzere tasarlanmıştır.
Araştırmacılar önce binlerce ilacın Acinetobacter baumannii bakterisine karşı ne kadar etkili olduğunu test etti. Ardından bu bilgiler, bakteriye karşı etkili bir ilaç geliştirebilmesi için AI’yi eğitmekte kullanıldı.
2) Insilico Medicine tarafından geliştirilen Target X
Insilico Medicine, üretken AI platformunu kullanarak şu anda Faz 1 klinik araştırmalarında olan Target X adlı bir ilaç geliştirdi. Target X, tedavi edilmediğinde yaşlı bireylerde akciğerlerin sertleşmesine yol açabilen idiyopatik pulmoner fibrozisin tedavisi için tasarlandı. Faz 1’e 80 kişi katılacak ve katılımcıların yarısına giderek artan dozlar verilecek. Böylece ilaç molekülünün insan vücuduyla etkileşimi değerlendirilecek.
3) Verge Genomics tarafından geliştirilen VRG50635
AI ile ilaç keşfi yapan Verge Genomics, insanlardan elde edilen verileri analiz ederek ALS tedavisi için yeni VRG-50635 bileşiğini keşfetmek üzere CONVERGE adlı AI platformunu kullandı. Bu veriler, Parkinson, ALS ve Alzheimer gibi nörodejeneratif hastalıkları olan kişilerin beyin ve omurilik dokularına ilişkin bilgileri içeriyordu.
Platform önce PIKfyve enzimini ALS için olası bir hedef olarak belirledi, ardından PIKfyve’nin umut vadeden bir inhibitörü olarak VRG50635’i önerdi. Böylece bileşik, ALS tedavisi için potansiyel bir ilaç adayı haline geldi. Süreç yaklaşık dört yıl sürdü ve aday şu anda insan araştırmalarının Faz 1 aşamasında.
4) Exscientia – A2a reseptörü
AI kullanan bir tıbbi teknoloji şirketi olan Exscientia, vücudun bağışıklık sistemini kanser hücreleriyle mücadele için kullanan immüno-onkoloji tedavisine yönelik, AI ile tasarlanmış ilk molekülü geliştirdi. AI ile geliştirilen ilaç insan klinik araştırmaları aşamasına geçti. Potansiyeli, vücut ve beyinde daha az yan etki oluştururken tümör karşıtı etkinliği artırmak için A2a reseptörünü hedefleyebilmesinde yatıyor.
Şirket, üretken AI kullanarak farklı hastalıkları hedefleyen başka bileşikler de geliştirdi. Bunlar arasında şunlar bulunuyor:
- Transkripsiyona bağımlı kanserler için CDK7 inhibitörlerinin hedeflenmesi
- İnflamatuvar hastalıklar için PKC-theta enziminin hedeflenmesi
- Hematolojik ve onkolojik hastalıklar için LSD1 düzenleyicisinin hedeflenmesi
5) Absci – Sıfır örnekli üretken AI ile de novo antikorlar
Absci, üretken AI ile ilaç keşfi yapan bir şirket olarak, bilgisayar simülasyonuyla de novo antikorlar oluşturmak için sıfır örnekli üretken AI kullanımını gösterdi. Sıfır örnekli öğrenme, modelin eğitim aşamasında mevcut girdi bilgileri üzerinde açıkça sınanmamış olması anlamına gelir. Böylece süreç kendi başına yeni antikor tasarımları ortaya çıkarabilir.
AI destekli de novo terapötik antikorlar, yeni öncü ilaç adaylarının geliştirilme süresini altı yıla kadar uzayabilen bir dönemden yalnızca 18–24 aya indirirken klinikte başarı olasılıklarını artırıyor. Şirketin teknolojisi haftada 3 milyon AI üretimi tasarımı test edip doğrulayabiliyor. Bu yeni gelişme, her hastaya yeni tedavileri anında ulaştırma potansiyeliyle sektörde önemli bir değişime işaret edebilir.
AI ve ilaç keşfinin geleceğinde neler var?
AI, pek çok diğer sağlık uygulamasının yanı sıra, büyük veri kümelerini analiz edip umut vadeden ilaç hedeflerini ve adaylarını öngörerek ilaç keşfini daha hızlı ve akıllı hale getiriyor. Biyoteknoloji şirketleri üretken AI ile hastanın tedaviye yanıtını gösteren belirteçleri saptayıp hızla kişiselleştirilmiş tedavi planları geliştirebilir.
Bir rapor, yakında daha fazla tıbbi teknoloji şirketinin erken aşamadaki ilaç keşfine AI ve makine öğrenimini dahil edeceğini öngörüyor. Bunun önümüzdeki on yılda 50 milyar dolarlık bir pazar oluşturması ve ilaç sektöründeki AI için önemli büyüme potansiyeli yaratması bekleniyor. AI, toplam ilaç keşfi maliyetlerini azaltarak daha fazla yeni ilacın hastalara daha hızlı ulaşmasını sağlayabilir.
AI ve geleceğimizi nasıl şekillendireceği hakkında daha fazla bilgi için unite.ai‘yi ziyaret edin.












