SynthetikaGestalt i Enamin, vodeće tvrtke u području umjetne inteligencije i kemijskih gradivnih blokova, udružile su snage kako bi razvile napredne modele umjetne inteligencije koji mogu generirati biološki aktivne spojeve za otkrivanje lijekova. Ova suradnja ima za cilj optimiziranje svojstava tih spojeva i pojednostavljenje procesa otkrivanja lijekova.
Enamin REAL baza podataka, koja sadrži impresivnih 38 milijardi molekula, bit će integrirana u SynthetikaGestalt-ovu uslugu otkrivanja lijekova. Ova usluga koristi vlastite modele umjetne inteligencije za procjenu fizikalno-kemijskih i ADME/Tox svojstava spojeva. Ako se pojave problemi, usluga će pružiti alternativne spojeve s poboljšanim svojstvima.
Enamin će zatim sintetizirati odabrane spojeve u iznimno kratkom roku od 3-4 tjedna. Tvrtka će također provesti in vitro ispitivanja farmakološkog profiliranja unutar vlastitih laboratorija, skraćujući cijeli proces otkrivanja. Ovaj pojednostavljeni proces obećava ubrzanje razvoja novih terapijskih opcija.
Dodatno, SynthetikaGestalt će unaprijediti svoj prethodno obučeni model umjetne inteligencije uključivanjem podataka iz Enamnina. To će stvoriti najveći prethodno obučeni model na svijetu temeljen na 3D strukturama spojeva, značajno poboljšavajući prediktivnu točnost modela za strojno učenje SynthetikaGestalt-a.
Rezultirajući modeli bit će dostupni za zajednička istraživanja zainteresiranim stranama i bit će predstavljeni na prestižnom događaju NVIDIA GTC Japan AI Day u ožujku 2024. godine. Ova suradnja predstavlja važnu prekretnicu u području otkrivanja lijekova uz pomoć umjetne inteligencije i pruža ogroman potencijal za razvoj novih i učinkovitih lijekova.
Iaroslava Kos, direktorica poslovnog razvoja u Enaminu, izrazila je entuzijazam zbog suradnje izjavivši: “Ne može se potcijeniti obećanje koje pruža računalna dizajniranje uz pomoć AI/ML tehnologije u otkrivanju novih lijekova.” Također je istaknula zajedničke ciljeve i stručnost koje obje tvrtke donose na stol.
Koki Shimada, izvršni direktor SynthetikaGestalt-a, naglasio je važnost razvoja prethodno obučenih modela pomoću stvarnih podataka primjene. Vjeruje da će njihov ultraveliki prethodno obučeni model revolucionirati otkrivanje lijekova uz pomoć umjetne inteligencije, slično utjecaju velikih prethodno obučenih modela na jezične modele.
Ova revolucionarna suradnja predstavlja veliki korak naprijed u području otkrivanja lijekova uz pomoć umjetne inteligencije i pruža ogroman potencijal za budućnost farmaceutskog istraživanja i razvoja.
The source of the article is from the blog oinegro.com.br