3 тенденції штучного інтелекту у відкритті ліків, які вирізнялися у 2022 році

Ознайомтеся з усіма сесіями на замовлення саміту Intelligent Security Summit тут.


Безсумнівно, у 2022 році інновації штучного інтелекту та приклади використання для бізнесу в багатьох галузях промисловості стали шаленими. ШІ вийшов за межі маркетингу, задоволеності клієнтів і утримання співробітників. Однією зі сфер, де вона досягла серйозних успіхів, є медицина, біотехнології та фармакологія, де вона трансформує відкриття та розробку ліків.

Витрати на відкриття та розробку препарату в середньому становлять 1,3 мільярда доларів, і, згідно з документом PubMed, «потрібно від 12 до 15 років, щоб вийти на ринок». Тож не дивно, що індустрія відкриття ліків пережила значне зростання технологій на базі ШІ. Прикладом є стаття в Nature, в якій зазначається, що інтеграція штучного інтелекту в процес відкриття та розробки ліків зростає майже на 40% щорічно.

За словами інвесторів у галузі охорони здоров’я Цві Бесслера та Морріса Ластера, доктора філософії, «компанії, що займаються відкриттям ліків, використовують ШІ різними способами, наприклад, використовують алгоритми машинного навчання для виявлення потенційних препаратів-кандидатів, прогнозування їх ефективності та безпеки та оптимізації дизайну. . Наприклад, вони використовують штучний інтелект для аналізу великих наборів біологічної та хімічної інформації, щоб виявити закономірності та взаємозв’язки, які можуть мати значення для відкриття ліків».

Це, за їхніми словами, допомагає компаніям «виявляти багатообіцяючі потенційні клієнти та прискорювати процес відкриття ліків».

Подія

Intelligent Security Summit On-Demand

Дізнайтеся про важливу роль штучного інтелекту та машинного навчання в кібербезпеці та конкретних галузевих прикладах. Дивіться сеанси за запитом сьогодні.

Дивіться тут

Наприкінці року в області штучного інтелекту VentureBeat поспілкувався з кількома експертами про найпереконливіші тенденції штучного інтелекту у 2022 році у відкритті ліків. Ось три тенденції, які виділяються:

1. Більша ефективність у біологічному моделюванні та виявленні мішеней для ліків

Джеймс Хендлер, професор Політехнічного інституту Ренсселера та голова Ради з питань політики в галузі обчислювальної техніки, розповів VentureBeat про два варіанти використання штучного інтелекту у відкритті ліків: зменшення кількості потенційних кандидатів на випробування та надання потенційних пояснень для вторинне використання ліків — тобто, чому препарат виявляє ефективність при стані, для лікування якого він спочатку не був розроблений.

В обох випадках, зазначив він, ключовим є те, що «ШІ може зменшити кількість можливостей, які потрібно досліджувати традиційними засобами». Це допомагає в біологічному моделюванні та відкритті мішені ліків. «Однак, — додав він, — важливим аспектом цього є те, що системи штучного інтелекту можуть пояснювати свої прогнози людям, що є предметом поточних досліджень. Це дозволяє людям приймати остаточні рішення [on] аналізу та тестування, за допомогою штучного інтелекту, що суттєво знижує вартість виведення успішних ліків на ринок».

Відкриття та розробка ліків зазвичай починається з визначення біологічної мішені — наприклад, гена, білка, рецептора або ферменту. Білки є найпоширенішими мішенями ліків через їх здатність впливати на поведінку або функцію клітини. Таким чином, традиційні зусилля з відкриття ліків включали вибір специфічних білків із кишенями, на які можна впливати багатообіцяючими молекулами, подібними до ліків (які потім стають лігандом або зв’язуючим препаратом).

Однак цей процес є складним з обчислювальної точки зору. З 20 360 людських білків, які зберігаються в SWISS-PROT — найпоширенішій у світі базі даних про послідовність білків, підготовленій фахівцями — лише деякі були досліджені як мішені для ліків.

Зараз організації використовують здатність штучного інтелекту корелювати та зіставляти великі обсяги даних, що веде до більш ефективної ідентифікації та виявлення цільових ліків. У 2022 році багато підприємств охорони здоров’я, що працюють на основі штучного інтелекту, спрямували ресурси на розробку передових інструментів моделювання, які не лише моделюють біологію, але й визначають і підтверджують нові цілі. Цього року такі великі фармацевтичні підприємства, як AstraZeneca та Pfizer, співпрацювали з постачальниками ШІ, які пропонують виявлення цілей як послугу, щоб виявити понад вісім нових цілей.

2. Покращене передбачення структури білка

Білки потрібно згорнути в специфічні тривимірні структури. Неправильне згортання або його відсутність пов’язують із патологією багатьох захворювань. Прогнозування структури білка також актуальне в процесі відкриття ліків, оскільки воно забезпечує краще розуміння того, як працює білок, тим самим інформуючи, як на нього можна впливати, контролювати та модифікувати.

Однак це складне завдання. В одному звіті з дослідження обчислювальної біології зазначено, що прогнозування структури білка «залишається головною проблемою».

Однак 2022 рік надихнув на значний прогрес у прогнозуванні того, як згортаються білки. Це було ініційовано інноваційним програмним забезпеченням DeepMind з відкритим вихідним кодом AlphaFold, яке може передбачити тривимірну структуру білка за його одновимірною амінокислотною послідовністю. AlphaFold вдалося передбачити білкові структури «майже всіх каталогізованих білків, відомих науці».

Зменшивши те, що зазвичай займає роки, до секунд, у липні програмне забезпечення використало потужність глибокого навчання штучного інтелекту, щоб передбачити та оприлюднити понад 200 мільйонів білкових структур, що належать тваринам, рослинам, бактеріям, грибам та іншим організмам.

У листопаді модель штучного інтелекту DeepMind знайшла гідного суперника серед дослідницької групи Meta. Meta використав можливості штучного інтелекту щодо обробки природної мови (NLP) і застосував «велику мовну модель», щоб передбачити структуру понад 600 мільйонів білків, знайдених у відомих і невідомих організмах. Це великий прогрес для прогнозування структури білка, що раніше було серйозною проблемою.

Зображення з Національної медичної бібліотеки через Національний центр біотехнологічної інформації, яке висвітлює різні сфери відкриття ліків, у яких може працювати ШІ. Повний текст есе можна знайти тут.

Під час дизайну нових лікарських засобів (DNDD) — який PubMed описує як «дизайн нових хімічних об’єктів, які відповідають набору обмежень за допомогою алгоритмів обчислювального росту» — молекули розробляються з нуля, що дозволяє скоротити фази проб і помилок. Оскільки de novo зазвичай є генеративним типом дизайну, він значною мірою покладається на обчислювальні процеси та моделі глибокого навчання.

2022 рік став свідком значного прогресу в розробці підходів de novo, які включають архітектури навчання з підкріпленням у звичайні нейронні мережі ШІ.

Віртуальний скринінг існуючих баз даних, ще один аспект дизайну ліків, також був об’єктом уваги в 2022 році. Перегляд великих баз даних на подібності та виявлення специфічних особливостей є визначальними рисами ШІ. Фармацевтичні гіганти застосували цю технологію до великих обсягів баз даних і інвестували мільйони доларів у партнерство з платформами штучного інтелекту, здатними практично перевіряти трильйони синтезованих сполук.

Хендлер зауважив, що препарати, які здаються ефективними під час випробувань на тваринах, часто виявляються невдалими, коли їх випробувають на людях. Проблема полягає в тому, щоб передбачити токсичність на основі попередніх даних, сказав він. «Нові методи досліджують, як використовувати моделі штучного інтелекту, які об’єднують багато видів тестових даних, щоб краще передбачити токсичність і, як наслідок, зменшити кількість кандидатів, які потребують дорогого тестування».

Хендлер додав, що все більше даних стає доступним і загальним, і прогнозує, що «це має створити багато можливостей для інновацій у відкритті ліків» до 2023 року. Як зазначила в нещодавній статті репортерка VentureBeat Ешлі Холлоуелл, «прогрес, а не досконалість — це те, що потрібно робити». очікувати [from AI applications] у 2023 році» — у тому числі в складному світі відкриття ліків.

Місія VentureBeat має стати цифровою міською площею для тих, хто приймає технічні рішення, щоб отримати знання про трансформаційні корпоративні технології та транзакції. Відкрийте для себе наші брифінги.

Leave a Comment