Моделі та платформи ШІ
Медичний прорив завдяки ШІ: використання штучного інтелекту для пошуку нових лікарських засобів
Ключові моментиШтучний інтелект скорочує терміни розробки ліків із років до місяців, як у випадку з…
Показати більше
- Штучний інтелект скорочує терміни розробки ліків із років до місяців, як у випадку з антитілами de novo від Absci, створеними за 18-24 місяці.
- Генеративний ШІ тепер створює нові кандидати в лікарські засоби з нуля, що ілюструє препарат Target X компанії Insilico Medicine, який перебуває на першій фазі клінічних випробувань.
- Визначення мішеней за допомогою ШІ відкриває нові біологічні шляхи, як-от відкриття ферменту PIKfyve для лікування ALS компанією Verge Genomics.
Відкриття лікарських засобів відоме як “від лабораторного столу до ліжка пацієнта” через свою тривалість і високу вартість. Виведення лікарського засобу на ринок займає приблизно 11–16 років і коштує від 1 до 2 мільярдів доларів. Але тепер штучний інтелект революціонізує розробку лікарських засобів, забезпечуючи кращу швидкість і прибутковість.
Штучний інтелект у розробці лікарських засобів змінив наш підхід і стратегію щодо біомедичних досліджень і інновацій. Він допоміг дослідникам зменшити складність шляху захворювання і ідентифікувати біологічні цілі.
Давайте глибше розглянемо, який потенціал має штучний інтелект у відкритті лікарських засобів для майбутнього.
Поняття ролі штучного інтелекту: як він використовується для відкриття лікарських засобів?

Штучний інтелект покращив різні стадії процесу відкриття лікарських засобів завдяки своїй здатності аналізувати великі об’єми даних і робити складні передбачення. Ось як:
1. Ідентифікація цілі
Ідентифікація цілі – це перший процес відкриття лікарських засобів, який включає визначення можливих молекулярних сутностей, таких як білки, ферменти і рецептори, присутніх у організмі, які можуть поєднуватися з лікарськими засобами для лікування захворювань.
Штучний інтелект може використовувати великі клінічні бази даних, які включають ключову інформацію про ідентифікацію цілі. Ці джерела даних можуть включати біомедичні дослідження, біомолекулярну інформацію, дані клінічних досліджень, структури білків тощо.
Навчені моделі штучного інтелекту разом з біомедичними методами, такими як експресія генів, можуть зрозуміти складні біологічні захворювання і ідентифікувати біологічні цілі для кандидатів на лікарські засоби. Наприклад, дослідники розробили різні методи штучного інтелекту для ідентифікації нових протиракових цілей.
2. Вибір цілі
Штучний інтелект у відкритті лікарських засобів може допомогти дослідникам вибрати перспективні цілі на основі їхньої кореляції з захворюваннями й прогнозованої терапевтичної корисності. З сильним розпізнаванням закономірностей штучний інтелект може зробити цей вибір не тільки на основі медичної літератури, але і вибрати цілком нові цілі без жодної згадки в опублікованих патентах.
3. Пріоритезація лікарських засобів
На цій стадії штучний інтелект оцінює і ранжує кандидати на лікарські засоби, пріоритезуючи їх для подальшого дослідження і розробки. У порівнянні з попередніми методами ранжування, підходи, засновані на штучному інтелекті, є більш ефективними для визначення найбільш перспективних кандидатів. Наприклад, дослідники розробили комп’ютерну систему на основі глибокого навчання для ідентифікації і пріоритезації нових лікарських засобів для лікування хвороби Альцгеймера.
4. Скринінг сполук
Моделі штучного інтелекту можуть передбачати хімічні властивості і біоактивність сполук і надавати інформацію про побічні ефекти. Вони можуть аналізувати дані з різних джерел, включаючи попередні дослідження і бази даних, для визначення потенційних ризиків або побічних ефектів, пов’язаних з певною сполукою. Наприклад, дослідники розробили інструмент глибокого навчання для скринінгу хімічних бібліотек з мільярдами молекул для значного прискорення великомасштабного дослідження сполук.
5. Де-ново розробка лікарських засобів
Ручний скринінг великих колекцій сполук був традиційною практикою у відкритті лікарських засобів. З штучним інтелектом дослідники можуть скринінгувати нові сполуки з або без попередньої інформації і передбачати кінцеву 3D-структуру відкритих лікарських засобів. Наприклад, AlphaFold, розроблений компанією DeepMind, – це система штучного інтелекту, яка може передбачати структури білків. Вона підтримує базу даних понад 200 млн передбачень структур білків, які можуть прискорити процес розробки лікарських засобів.
5 Успішних прикладів відкриття лікарських засобів з використанням штучного інтелекту

1) Абацин
Антибіотики вбивають бактерії. Але через нестачу нових лікарських засобів і швидку еволюцію бактеріальної резистентності до старих лікарських засобів бактерії стають важчими для лікування. Абацин, експериментальний антибіотик, розроблений з використанням штучного інтелекту, призначений для вбивства Acinetobacter baumannii, однієї з найнебезпечніших супербактерій.
З використанням штучного інтелекту дослідники спочатку протестували тисячі лікарських засобів, щоб побачити, як добре вони працюють проти бактерії Acinetobacter baumannii. Потім цю інформацію використали для навчання штучного інтелекту розробити лікарський засіб, який може ефективно лікувати цю бактерію.
2) Target X від компанії Insilico Medicine
Компанія Insilico Medicine використала свою платформу генеративного штучного інтелекту і створила лікарський засіб під назвою Target X, який зараз перебуває на стадії клінічних досліджень першої фази. Target X призначений для лікування ідіопатичного легеневого фіброзу, захворювання, яке може спричинити жорсткість легеневої тканини у людей похилого віку, якщо його не лікувати. Перша фаза дослідження буде включати 80 учасників, і половині з них дозу поступово підвищуватимуть. Це допоможе оцінити, як лікарський засіб взаємодіє з людським організмом.
3) VRG50635 від компанії Verge Genomic
Компанія Verge Genomics, компанія з відкриття лікарських засобів з використанням штучного інтелекту, використала свою платформу CONVERGE для відкриття нової сполуки VRG-50635 для лікування бічного аміотрофічного склерозу (ALS) шляхом аналізу даних пацієнтів. Дані включали інформацію про тканини мозку і спинного мозку пацієнтів з нейродегенеративними захворюваннями, такими як хвороба Паркінсона, ALS і хвороба Альцгеймера.
Платформа спочатку визначила фермент PIKfyve як можливу ціль для лікування ALS, а потім пропонувала VRG50635 як перспективний інгібітор PIKfyve, який став потенційним кандидатом на лікарський засіб для лікування ALS. Процес зайняв близько чотирьох років, і тепер кандидат перебуває на стадії клінічних досліджень першої фази.
4) Exscientia-A2a Рецептор
Компанія Exscientia, компанія з медичної техніки штучного інтелекту, відповідає за розробку першої молекули, розробленої з використанням штучного інтелекту, для імуноонкологічної терапії – форми лікування раку, яка використовує імунну систему організму для боротьби з раковими клітинами. Їхній лікарський засіб, розроблений з використанням штучного інтелекту, перебуває на стадії клінічних досліджень. Його потенціал полягає в його здатності впливати на рецептор A2a для стимуляції протипухлинної активності при менших побічних ефектах на організм і мозок.
З використанням генеративного штучного інтелекту вони створили інші сполуки для лікування різних захворювань, таких як
- Транскрипційно-залежні раки шляхом впливу на інгібітори CDK7
- Запальні захворювання шляхом впливу на фермент PKC-theta
- Захворювання гематології і онкології шляхом впливу на регулятор LSD1
5) Absci: створення антитіл de novo за допомогою генеративного ШІ в режимі zero-shot
Компанія Absci, компанія з відкриття лікарських засобів з використанням генеративного штучного інтелекту, продемонструвала використання генеративного ШІ в режимі zero-shot для створення де-ново антитіл шляхом комп’ютерного моделювання. Навчання zero-shot означає, що модель штучного інтелекту не була явно протестована на поточній вхідній інформації під час фази навчання. Тому цей процес може створити нові проекти антитіл самостійно.
Де-ново терапевтичні антитіла, розроблені з використанням штучного інтелекту, скорочують час розробки перспективних сполук для нових ліків із періоду до шести років до 18-24 місяців, збільшуючи їхню ймовірність успіху в клініці. Технологія компанії може протестувати і валідувати 3 млн проектів антитіл, розроблених з використанням штучного інтелекту, щотижня. Ця нова розробка може миттєво доставляти нові терапевтичні засоби кожному пацієнту, позначаючи значну промислову зміну.
Яке майбутнє чекає штучний інтелект і відкриття лікарських засобів?
Окрім багатьох інших застосунків у сфері охорони здоров’я, штучний інтелект робить процес відкриття лікарських засобів швидшим і розумнішим шляхом аналізу великих наборів даних і передбачення перспективних цілей і кандидатів на лікарські засоби. З використанням генеративного штучного інтелекту біотехнологічні компанії можуть ідентифікувати маркери реакції пацієнтів і розробляти персоналізовані плани лікування швидко.
Згідно з повідомленням, скоро більше медтех-компаній буде включати штучний інтелект і машинне навчання на ранніх стадіях відкриття лікарських засобів, що допоможе створити ринок вартістю $50 млрд протягом наступних десяти років, забезпечуючи значний потенціал зростання штучного інтелекту у фармацевтиці. Штучний інтелект потенційно скоротить загальні витрати на відкриття лікарських засобів, роблячи більше нових лікарських засобів доступними пацієнтам швидше.
Якщо ви хочете дізнатися більше про штучний інтелект і те, як він вплине на наше майбутнє, відвідайте unite.ai.












