A gyógyszerfejlesztés kihívásokkal teli arénájában, ahol tízből kilenc újonnan kifejlesztett gyógyszer kudarcot vall klinikai próbákon, gyakran nem várt mellékhatások miatt, egy új, mesterséges intelligencia (AI) megoldás jelenik meg a betegek és az ipar reményének fényében. Az Innophore, egy Grazban, Ausztriában székelő biotechnológiai cég, együttműködésben a technológiai óriás Nvidiával, egy AI eszközt hozott napvilágra, amelyet arra terveztek, hogy korán észrevegye a potenciális gyógyszer-mellékhatásokat a gyógyszer felfedezési folyamatának korai szakaszában.
A fehérjék elengedhetetlen molekuláris gépek a testben, létfontosságúak az egészséghez és a betegségkezeléshez. A molekuláris szerkezetükbe való betekintés új gyógyszerek fejlesztési stratégiáinak útját nyitja meg. A mesterséges intelligencia alkalmazása radikálisan egyszerűsíti ezeknek a fehérjéknek az elemzését, megnöveli a gyógyszer célpontjainak azonosításának pontosságát és előrejelzi a fehérjék funkcióit és kölcsönhatásait.
Hogy ezt elérjék, az Innophore, a Nvidiával együtt, bemutatott egy bővített adathalmazt, amely több mint 40 000 emberi fehérjemolekulák háromdimenziós modelleit tartalmazza. Ezeket a szerkezeteket három AI-támogatott szerkezeti előrejelző eszköz használatával generálták, és jelenleg ez a legátfogóbb szerkezeti adathalmaz, amely elérhető az emberi szervezet számára. Christian Gruber, az Innophore vezérigazgatója és a Grazi Egyetem tudósa kiemelte az adathalmaz szerepét a szerkezet alapú gyógyszertervezés és fehérjefunkció-előrejelzés megkönnyítésében.
A kutatók most már használhatják ezt az adathalmazt arra, hogy képezzenek AI modelleket különböző feladatokra vonatkozóan a fehérje szerkezetével és funkciójával kapcsolatban, ami megfogó az új fehérjék tervezésében. David Ruau a Nvidiától hangsúlyozta az adathalmaz szerepét a több mint félmillió jellemezett potenciális gyógyszerkötő hely azonosításában. Az Innophore már integrálta ezt az AI eszközt egy automatizált gyógyszerfelfedezési folyamatba, ami segíti a gyógyszeripari termékek káros hatásainak szűrését. Egy amerikai gyógyszergyárban is használják gyógyszerfejlesztési célokra.
Az 2017-ben az acib-ből és a Grazi Egyetemből elindult Innophore jelenleg Grazban és San Franciscóban, Kaliforniában található székhellyel, digitális gyógyszerfelfedezési és enzimkeresési területeken specializálódva a 3D pontfelhők, az AI és a mély tanulás felhasználásával.
Kiemelt kérdések és válaszok:
1. Milyen jelenlegi kihívásokkal szembesül a gyógyszerfejlesztés területén?
A fő kihívás az újonnan kifejlesztett gyógyszerek magas kudarc aránya a klinikai próbák során a váratlan mellékhatások miatt. A folyamat időigényes és költséges.
2. Hogyan kezeli ezeket a kihívásokat az Innophore és a Nvidia által fejlesztett AI eszköz?
Az AI eszköz segít a potenciális mellékhatások korai felismerésében a nagy adathalmaz elemzésével, növelve a gyógyszertervezés és hatékonysági jóslatokat, és csökkentve a későbbi fejlesztési szakaszokban bekövetkező kudarcok valószínűségét.
3. Milyen potenciális hatása lehet ennek az AI eszköznek a gyógyszeriparra és a betegekre?
Az ipar számára csökkentheti a gyógyszerfejlesztéssel járó költségeket és időt, növelheti a siker esélyeit. A betegek számára ez azt jelentheti, hogy kevesebb idő alatt biztonságosabb, hatékonyabb kezelésekhez juthatnak.
Fontos kihívások vagy viták:
Az egyik fő kihívás az AI algoritmus pontosságának és az általa tett jóslatok minőségének biztosítása. Hibás jóslatok a gyógyszerek mellékhatásairól vagy kölcsönhatásairól veszteségekhez vezethetnek, ha azokat csak későbbi fejlesztési szakaszokban ismerik fel, vagy, ami még rosszabb, amikor egy gyógyszer már a piacon van. Másik kihívás az AI eszközök integrálása a létező munkafolyamatokhoz a gyógyszeripari cégeknél, mivel ezek az iparágak ellenállhatnak a kialakított folyamataikban bekövetkező változásoknak.
Előnyök:
– A mellékhatások korai felismerése költségeket takaríthat meg.
– A gyógyszerfelfedezési folyamat felgyorsítása.
– A kutatók segítése egy átfogó szerkezeti adathalmazon keresztül a gyógyszertervezésben.
– Potenciális lehetőség az emberi kísérletek előtti gyógyszerek biztonságosabbá tételére.
Hátrányok:
– Az AI modelleknek lehetnek korlátai, és folyamatos képzésre van szükségük magas minőségű adatokkal.
– A véletlen AI-függés az emberi orvosi szakértelem és az ellenőrzés szükségességét elhomályosíthatja.
– A technológia előítéleteknek lehet kitéve, ha a képzési adatok nem eléggé változatosak.
További információkért az AI és a gyógyszerfelfedezés terén látogasson el az Innophore honlapjára, vagy ha szeretné megtudni a használt hardver technológiákat az ilyen típusú AI-hoz, látogasson el a Nvidia honlapjára.