Az innováció és a technológia hatalmas lehetőségeket rejt magában a gyógyszerkutatás területén. Hagyományos magas áteresztőképességű szűrési (HTS) módszerek csak egy kis töredékét képesek értékelni az áruházban kapható molekuláknak, ami korlátozza az új terápiás alkalmazások felfedezésére irányuló lehetőségeket. Azonban az mesterséges intelligencia (AI) és gépi tanulás (ML) eszközök megjelenésével remény van egy hatékonyabb és eredményesebb megközelítésre a gyógyszerfelfedezés területén. Ezekről a témákról acéltanulmányok és friss kutatások is tanúskodnak.
Az AtomNet, a technológia által támogatott gyógyszeripari vállalat, mély tanulási technikákat alkalmaz a szerkezet alapú gyógyszertervezéshez. A sajátos AI/ML platformjuk, az AtomNet egy virtuális HTS megközelítést alkalmaz, amely egy olyan vegyületkönyvtárat kutat, amelyben szintézizálható vegyületek hatalmas száma található, összesen meghaladva a 15 kvadrilliót. Ez a megközelítés lehetővé teszi az AtomNet számára, hogy felfedezze az új kémiai teret és azonosítson potenciális találatokat.
Az „Az AI egy elfogadható alternatíva a nagy áteresztőképességű szűréshez: egy 318 célpontra vonatkozó tanulmány” című tanulmány bemutatja az AtomNet azon képességeit, hogy alkalmazza azt 318 különböző célpontra. Ezek a célpontok együttműködések révén kerültek azonosításra több mint 250 akadémiai laboratóriummal 30 országban. Az AtomNet sikeresen azonosított szerkezetileg új találatokat 235-ből a 318 célpontra, ami egy megdöbbentő 74%-os sikerarányt eredményezett. Ez felülmúlja a hagyományos HTS módszerek általában elérhető sikerarányát, amelyeket körülbelül 50%-ra becsülnek.
A gyógyszeripar folyamatosan hatékonyabb és hatékonyabb módszereket keres a gyógyszerfelfedezés területén. A gyógyszerek kulcsfontosságú állomások, az Ön- és ellenséges, a neuro- és az immunrendszer területeken találhatók. Az enzimek teszik ki a célproteinek legnagyobb hányadát (59%), ezt követik a GPCR-ek, a transzporterek, az ioncsatornák, valamint a DNS/RNS-kötő fehérjék.
Kérdések és válaszok
Mi az a magas áteresztő képességű szűrés (HTS)?
A magas áramlási képességű képernyőzés (HTS) egy olyan módszer, amelyet a gyógyszerfelfedezés területén használnak, hogy gyorsan teszteljék a potenciális gyógyászati aktivitású különböző vegyületek nagy számát. Lehetővé teszi a tudósok számára, hogy értékeljék a tulajdonságokat ezek különböző molekulák ezreiről akár millióira is szaporodnak, és potenciális jelöltek bővített fejlesztésének felderítésére.
Mi az a mesterséges intelligencia (AI) a gyógyszerfelfedezés során?
A mesterséges intelligencia gyógyszerfelfedezés területén a gépi tanulást és a számítógépes algoritmusok használatát jelenti, hogy elemzik és azonosítsanak potenciális gyógyhatású gyógyszerjelölteket. Az AI segíthet a szakembereknek több területen a gyógyszerfelfedezés folyamatában, beleértve a célpont azonosítását, a virtuális szűrést és a vezető vegyületek optimalizálását.
Mi az az AtomNet?
Az AtomNet az Atomwise által kifejlesztett AI/ML gyógyszerfelfedezési platform. A mély tanulási algoritmusokat használja molekuláris szerkezetek elemzésére és a potenciális aktivitásuk előrejelzésére konkrét fehérje célpontokkal szemben. Az AtomNet egy hatalmas mennyiségű molekuláris adaton is kiképzés alatt áll, amely kiváló sikerarányt mutat az új találatok azonosításában számos célpont esetén.
Hogyan különbözik az AtomNet a hagyományos magas áteresztő képességű szűrési módszerektől?
Az AtomNet abban különbözik a hagyományos magas áteresztő képességű szűrési módszerektől, hogy ez egy számítógépes megközelítés, nem egy fizikai megközelítés. Míg a hagyományos HTS a laborban fizikailag teszteli a vegyületeket, az AtomNet AI és ML algoritmusokat használ az egy nagyszámú vegyületből álló vegyi könyvtár virtuális szűrésére és potenciális találatok azonosítására. Ez a megközelítés lehetővé teszi a kémiai tér szélesebb felfedezését és lehetséges új terápiás jelölteken való munkálkodást.
Az újítás és az eszközök folyamatos fejlesztése lehetővé teszi a gyógyszeripar számára, hogy hatékonyabb és gyorsabb módon fedezzen fel újfajta gyógymódokat és terápiákat. Az AtomNet és hasonló AI megoldások új ajtókat nyithatnak meg a jövőbeli gyógyszerfelfedezés számára, így hozzájárulva az orvostudomány folyamatos fejlődéséhez.
The source of the article is from the blog lokale-komercyjne.pl