Napredki na področju umetne inteligence so odprli nove možnosti na različnih področjih, vključno s farmacevtsko industrijo. Nedavno ustanovljeno podjetje Profluent si prizadeva za preoblikovanje razvoja zdravil z uporabo moči generativne umetne inteligence za oblikovanje proteinov. Pod vodstvom Alija Madanija, enega od raziskovalcev, odgovornih za projekt ProGen pri Salesforceu, Profluent želi tehnologijo oblikovanja proteinov pripeljati iz laboratorija v roke farmacevtskih podjetij.
Navdihnjen z vzporednicami med naravnim jezikom in “jezikom” proteinov, je Madani ugotovil, da se proteini, podobno kot besede v odstavku, lahko uporabljajo kot podatki za generativne modele umetne inteligence. Z vnašanjem podatkov o proteinih v te modele je mogoče napovedati popolnoma nove proteine z novimi funkcijami. Ta preboj je privedel do uspešnega ustvarjanja umetnih proteinov s 3D strukturami, kot je dokumentirano v raziskovalnem članku, objavljenem v reviji Nature Biotech.
Profluent gre še korak dlje in to koncept uporablja pri urejanju genov. Številne genetske bolezni ni mogoče učinkovito zdraviti z naravno prisotnimi proteini ali encimi. Poleg tega obstoječi sistemi za urejanje genov pogosto trpijo zaradi funkcionalnih kompromisov, ki omejujejo njihov doseg. Profluent si prizadeva za premagovanje teh omejitev z optimizacijo več atributov istočasno, ustvarjanjem po meri oblikovanih urednikov genov za vsakega pacienta.
Profluent trenira modele umetne inteligence na masivnih podatkovnih nizih, sestavljenih iz več kot 40 milijardnih zaporedij proteinov, za razvoj in izpopolnjevanje sistemov urejanja genov ter proizvodnje proteinov. Namesto da bi neposredno razvijal terapije, namerava podjetje sodelovati z zunanjimi partnerji pri ustvarjanju “genetskih zdravil” z najvišjimi možnostmi za odobritev.
Potencialen vpliv pristopa Profluent je pomemben. S skrajšanjem časa in kapitala, potrebnega za razvoj zdravil, bi podjetje lahko temeljito spremenilo industrijo. Po podatkih združenja PhRMA običajno traja 10-15 let in stane več sto milijonov do milijarde dolarjev, da se razvije novo zdravilo. Tehnologija Pr…
Pogosta vprašanja
Kakšna je misija podjetja Profluent?
Profluent si prizadeva za spremembo paradigme razvoja zdravil tako, da začne s potrebami pacientov in terapevtskimi potrebami ter se nato vrača nazaj, da ustvari prilagojene rešitve za zdravljenje.
Kako Profluent uporablja umetno inteligenco pri oblikovanju proteinov?
Profluent uporablja generativne modele umetne inteligence, izobražene na obsežnih podatkovnih nizih zaporedij proteinov, za napovedovanje in ustvarjanje popolnoma novih proteinov z edinstvenimi funkcijami.
Kaj je pomen pristopa podjetja Profluent k urejanju genov?
Pristop podjetja Profluent k urejanju genov naslavlja omejitve obstoječih sistemov z optimizacijo več atributov istočasno, kar privede do po meri oblikovanih urejevalnikov genov, prilagojenih vsakemu pacientu.
Kako Profluent načrtuje predstaviti svoje rešitve na trg?
Profluent namerava sodelovati z zunanjimi partnerji, vključno s farmacevtskimi podjetji, pri razvoju in pridobivanju odobritve za “genetska zdravila”, ustvarjena z njihovo tehnologijo oblikovanja proteinov.
Kdo podpira podjetje Profluent?
Profluent podpirajo priznana tvegana kapitalska podjetja, kot so Spark Capital, Insight Partners, Air Street Capital, AIX Ventures in Convergent Ventures. Glavni znanstvenik podjetja Google, Jeff Dean, je tudi prispeval, kar daje platformi verodostojnost.
Medtem ko se Profluent osredotoča na optimizacijo svojih modelov umetne inteligence in razširjanje podatkovnih nizov za usposabljanje, se podjetje sooča s konkurenco drugih igralcev na tem področju. Podjetja, kot sta EvolutionaryScale in Basecamp Research, prav tako izobražujeta svoje modele za proizvajanje proteinov in se zavarujeta s pomembnimi sredstvi.
Kljub temu pa Profluent ostaja odločen, da bo razširil svoje operacije in sodeloval s partnerji, ki delijo njegovo ambiciozno vizijo. Z izkoristkom potenciala generativne umetne inteligence pri oblikovanju proteinov si podjetje prizadeva, da bi vodilo pot v nameren in učinkovit razvoj zdravil, ki zadovoljuje najbolj pereče potrebe v biologiji.
The source of the article is from the blog toumai.es