V dychtivém oboru biotechnologií se elitní skupina startupů významně posouvá vpřed integrací umělé inteligence (AI) do farmaceutického výzkumu a vývoje.
Insilico Medicine: Průkopník AI-Navržených Léčiv
V čele se Insilico Medicine plně oddává AI, zejména s lékařským projektem INS018_055 určeným k léčbě idiopatické plicní fibrózy. Tento projekt v červnu 2023 představil historický milník jako první zcela AI-objevený a navržený lék, který vstoupil do druhé fáze klinických studií. Kromě toho společnost může skvětiti dalšími dvěma léky ve fázích klinických studií, které byly částečně vytvořeny pomocí AI. S cílem rozšířit svůj transformační výzkum uzavřela Insilico Medicine v listopadu loňského roku velkou dohodu o spolupráci se Sanofi s hodnotou až 1,2 miliardy dolarů.
Atomwise: Vedoucí Výzkum Léčiv s Knihovnou Bilionu Molekul
Dalším průkopníkem je Atomwise, který využívá AI technologii k revoluci ve výzkumu malých molekulových léků. Platforma AtomNet společnosti používá hluboké učení pro strukturální návrh léčiv, což umožňuje rychlé vyhledávání poháněné AI přes jeho vlastní knihovnu léčiv, která obsahuje více než tři biliony syntetizovatelných kandidátů.
Cradle: AI-Zlepšené Proteiny Podporující Biotechnologický Výzkum a Vývoj
Cradle, nizozemský biotechnologický startup, aplikuje generativní AI k pomoci biologům při návrhu zlepšených proteinů a zrychlení výzkumu a vývoje. S modely AI trénovanými na miliardách proteinových sekvencí, získala Cradle nedávno 24 milionů dolarů financování ve fázi A, aby podpořila své probíhající výzkumné a vývojové aktivity.
Exscientia: Vedoucí v Precision Medicine s AI
Exscientia, uznávaná jako průkopník v kombinaci AI s bioléčivy, nabízí AI-poháněnou funkční platformu přesné onkologie. Tato jedinečná platforma hrála klíčovou roli při výběru účinných léčebných postupů a zlepšování výsledků pacientů ve klinických studiích a pýši se portfoliem AI-navržených malých molekul.
Iktos: Inovace v Objevu Malých Molekul s AI
Nakonec pařížský Iktos využívá AI technologii pro rychlé identifikace malých molekul. Jejich přístup získal více než 50 spoluprací v akademickém prostředí a průmyslu, včetně partnerství s renomovanými farmaceutickými a biotechnologickými firmami. V roce 2023 Iktos získal podstatných 15,5 milionu eur ve fázi financování, zdůrazňujíc důvěru odvětví ve své inovativní schopnosti.
AI technologie významně mění způsob, jakým farmaceutické společnosti přistupují k objevování léků. Zde jsou další fakta a poznatky k zvážení ohledně AI v objevování léků:
1. Zlepšení Rychlosti Objevování Léků: AI a strojové učení mohou analyzovat obrovské databáze sloučenin a biologických dat mnohem rychleji než tradiční metody, výrazně zkracují dobu potřebnou k identifikaci potenciálních léčivých kandidátů.
2. Zlepšení Prediktivních Modelů: AI může předpovědět absorpci, distribuci, metabolismus, eliminaci a toxicity (ADMET) vlastnosti sloučenin, čímž potenciálně snižuje pravděpodobnost selhání léku ve pozdějších fázích klinických studií.
3. Snížení Výzkumných Nákladů: Rychlým screenováním a predikcí úspěchu léčivých kandidátů může AI pomoci snížit náklady spojené s vývojem léku, což je tradičně velmi nákladný a časově náročný proces.
Hlavní otázky a odpovědi týkající se AI v objevování léků jsou:
Jak AI transformuje objevování léků?
AI urychluje proces objevování léků rychlým analyzováním dat, předvídáním výsledků a identifikací slibných léčivých kandidátů s větší rychlostí a přesností než tradiční výzkumné metody.
Co jsou výzvy spojené s AI v objevování léků?
Jedním z hlavních výzev je integrace nástrojů AI s existujícími výzkumnými procesy a zajištění přesnosti a spolehlivosti predikcí generovaných pomocí AI. Další výzvou je správa a interpretace objemu dat generovaných AI a modely strojového učení.
Co jsou kontroverze v AI-poháněném objevování léků?
Použití AI vyvolává otázky ohledně ochrany dat a etického využívání informací o pacientech. Je také znepokojení ohledně transparentnosti algoritmů AI a o tom, jak rozhodnutí těmito systémy jsou činěna.
Výhody a nevýhody AI v objevování léků zahrnují:
Výhody:
– Zrychluje identifikaci potenciálních léků.
– Sníží náklady minimalizující šance pozdních selhání.
– Umožňuje analýzu složitých biologických systémů.
Nevýhody:
– Vyžaduje významné výpočetní zdroje.
– Představuje výzvy při ověřování AI predikcí proti experimentálním výsledkům.
– Závislost na vstupních datech vysoké kvality pro přesné tréninkové modely.
K dalšímu prozkoumání oblasti AI-poháněných biotechnologických inovací můžete navštívit webové stránky zmiňovaných společností v článku pro aktualizace o jejich pokrocích:
– Insilico Medicine
– Atomwise
– Cradle
– Exscientia
– Iktos
Všimněte si, že všechny poskytnuté URL adresy jsou k příslušným hlavním doménám společností, zajistí se tak, že získáte nejnovější a nejkomplexnější informace přímo od zdroje.